一种基于多模式场综合计算的天气预测方法、装置及存储介质与流程

1.本发明涉及天气预测技术领域，尤其涉及一种基于多模式场综合计算的天气预测方法、装置及存储介质。


背景技术：

2.随人民生活水平的提高，人们在生活中时常会因为婚嫁丧娶举行各类活动，然而在进行此类活动项目的筹备前，常识性的人们大多都会查询当地气象局的天气预报来提前做好准备工作，可见大众对于天气预报精准度的要求也日益提升。
3.然而目前现有的天气预报大多是基于不同模式场计算而来的，因此不同模式场计算下的天气结果可能不会完全相同，任何一种模式场的结果，都有可能出现和实际情况偏离的场景，因此人们在日常生活中，也偶有会感到某些时候的天气预报和实际情况相差甚远。


技术实现要素：

4.为此，本发明的主要目的在于提供一种基于多模式场综合计算的天气预测方法、装置及存储介质，以基于多模式场来进行综合计算，从而纠正天气预测结果偶有严重偏离实际情况的问题。
5.为了实现上述目的，根据本发明的一个方面，提供了一种基于多模式场综合计算的天气预测方法，步骤包括：s1建立第一基准表：以为基于同一地区天气预测的多个模式场分别赋予模式权重值；s2建立第二基准表：以对天气类型进行线性拆分，分得多个天气大类并赋予分类编码；s3建立第三基准表：以在第二基准表中对各个天气大类分类出各个天气类型，并对每个天气类型分别进行线性系数拆分，以确定各个天气类型的线性系数；s4将各模式场对于同一地区天气预测结果进行归类，分别判断其归属于第二基准表中的所属天气大类及其对应的第三基准表，以获取对应的天气类型的线性系数；s5将步骤s4中各模式场对应的天气类型的线性系数经各自模式场的模式权重值进行调整后获取天气类型权重校正值；并计算模式场综合值c=a/b并取整，其中各模式场的天气类型权重校正值之和为a，各模式场的模式权重值之和为b；s6 依据模式场综合值c反查第三基准表，以获取与c值相同的线性系数值所对应的天气类型作为天气预测结果。
6.在可能的优选实施方式中，该模式场包括：各个不同地区、或国家的气象局的计算机模式场。
7.在可能的优选实施方式中，所述第二基准表中的天气大类包括：雨，对应分类编码1、雪，对应分类编码2、悬浮颗粒物，对应分类编码3、雾，对应分类编码4。
8.在可能的优选实施方式中，对应天气大类为雨的天气类型及对应线性系数包括：晴天，线性系数1、多云，线性系数2、阴，线性系数3、阵雨，线性系数4、小雨，线性系数5、小到中雨，线性系数6、中雨，线性系数7、中到大雨，线性系数8、大雨，线性系数9、大到暴雨，线性
系数10、暴雨，线性系数11、暴雨到大暴雨，线性系数12、大暴雨，线性系数13、大暴雨到特大暴雨，线性系数14、特大暴雨，线性系数15。
9.在可能的优选实施方式中，对应天气大类为雪的天气类型及对应线性系数包括：晴天，线性系数1、多云，线性系数2、阴，线性系数3、雨夹雪，线性系数4、阵雪，线性系数5、小雪，线性系数6、小到中雪，线性系数7、中雪，线性系数8、中到大雪，线性系数9、大雪，线性系数10、大到暴雪，线性系数11、暴雪，线性系数12。
10.在可能的优选实施方式中，对应天气大类为悬浮颗粒物的天气类型及对应线性系数包括：晴天，线性系数1、多云，线性系数2、阴，线性系数3、浮尘，线性系数4、扬沙，线性系数5、沙尘暴，线性系数6、强沙尘暴，线性系数7。
11.在可能的优选实施方式中，对应天气大类为雾的天气类型及对应线性系数包括：晴天，线性系数1、多云，线性系数2、阴，线性系数3、雾，线性系数4。
12.在可能的优选实施方式中，模式场综合值c四舍五入以取整。
13.为了实现上述目的，根据本发明的第二个方面，还提供了一种天气预测装置，其包括：数据收发单元：接收指令方的天气预测指示，以令数据采集单元：采集多个模式场对于同一地区天气预测结果；数据存储单元：其存有包括各模式场模式权重值的第一基准表、及含有天气大类及其分类编码的第二基准表、以及在第二基准表中对各个天气大类分类出各个天气类型，并对每个天气类型分别进行线性系数拆分，以确定出各个天气类型的线性系数的第三基准表；数据处理单元：将各模式场对于同一地区天气预测结果进行归类，分别判断其归属于第二基准表中的所属天气大类及其对应的第三基准表，以获取对应的天气类型的线性系数；以将各模式场对应的天气类型的线性系数经各自模式场权重进行调整后获取天气类型权重校正值；并计算模式场综合值c=a/b并取整，其中各模式场的天气类型权重校正值之和为a，各模式场的模式权重值之和为b；之后依据模式场综合值c反查第三基准表，以获取与c值相同的线性系数值所对应的天气类型作为天气预测结果，以向数据收发单元发送；数据收发单元接收数据处理单元发送的天气预测结果向指令方反馈。
14.为了实现上述目的，根据本发明的第三个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时，实现如上述任一项所述基于多模式场综合计算的天气预测方法的步骤。
15.通过本发明提供的一种基于多模式场综合计算的天气预测方法、装置及存储介质，能够将同种天气现象进行线性化编排，让结果在同种天气类型之间波动；再结合各模式场的准确性，计算出某天气现象的大小合理值（线性数值），从而推导出更加合理的天气现象，籍此基于多模式场来进行综合计算，从而纠正天气预测结果偶有严重偏离实际情况的问题，进而提高天气预报的准确性。
具体实施方式
16.为了使本领域的技术人员能够更好的理解本发明的技术方案，下面将结合实施例来对本发明的具体技术方案进行清楚、完整地描述，以助于本领域的技术人员进一步理解本发明。显然，本案所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思及相互不冲突的前提下，本技术中的实施例及实施例中的特征可以相互组合。基于本发明中的实施例，在本领域
普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的揭露及保护范围。
17.此外本发明的说明书和权利要求书中的术语“第一”、“第二”、“s1”、“s2”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里描述的那些以外的顺序实施。同时本发明中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
18.由于不同模式场（天气预测的计算机模式场）计算的天气结果可能不会完全相同，任何一种模式场的结果，都有可能出现和实际情况偏离的场景。因此一旦个别模式场数据异常时，会导致采用该模式场的气象局所给出的天气预测结果数据严重偏离实际情况。
19.因此为了解决该问题，本案发明构思上针对不同的天气类型进行线性拆分，并结合各模式场权重，采用一系列算法进行二次校准后，就可以有效修正天气预测的偏差。
20.具体来说，根据发明人的观测当天气预报出现误报时，往往是在同一种天气类型之间，由于某种天气因子大小偏差，导致预报不准。比如同时刻，对云量大小偏差预测，推导出不同的天气现象：晴天、多云、阴天。
21.因此发明人根据各模式场的特点经过经验模型计算后，可以确定出各个模式场的权重。之后再将同种天气现象线性进行线性化编排，让结果在同种天气类型之间波动；再结合各模式场的权重，即可计算出某天气现象的大小合理值（线性数值），从而推导出更加合理的天气现象。
22.基于上述发明构思，本发明提供了一种基于多模式场综合计算的天气预测方法，步骤包括：s1建立第一基准表：以为基于同一地区天气预测的多个模式场分别赋予模式权重值；s2建立第二基准表：以对天气类型进行线性拆分，分得多个天气大类并赋予分类编码；s3建立第三基准表：以在第二基准表中对各个天气大类分类出各个天气类型，并对每个天气类型分别进行线性系数拆分，以确定各个天气类型的线性系数；s4将各模式场对于同一地区天气预测结果进行归类，分别判断其归属于第二基准表中的所属天气大类及其对应的第三基准表，以获取对应的天气类型的线性系数；s5将步骤s4中各模式场对应的天气类型的线性系数经各自模式场的模式权重值进行调整后获取天气类型权重校正值；并计算模式场综合值c=a/b并取整，其中各模式场的天气类型权重校正值之和为a，各模式场的模式权重值之和为b；s6 依据模式场综合值c反查第三基准表，以获取与c值相同的线性系数值所对应的天气类型作为天气预测结果。
23.具体来说，如表1所示，为第一基准表，本实施例下的该模式场包括：各个不同地区、或国家的气象局的计算机模式场，其中示例中以5个气象局为例进行后续计算说明，其中需要说明的是该5个气象局名称仅为示例用途，由于涉及申请人数据来源的商业机密，因此实施例中进行了修饰，但并不影响天气预测结果。
24.表1其中表1中的“示例”是表示某时刻某地点，该气象局输出的天气类型；“模式权重”是发明人根据历史数据，总结出的各模式场的特点、准确度经验值以经过经验模型计算后获得的模式权重值，数值越大表示准确性越高。
25.如表2所示，为第二基准表，本实施例中优选将天气大类分为4大主要类型，并对这4大类型，在表3中对每个类型进行线性系数拆分。分类编码天气线性类型包含天气类型示例1雨大中小雨2雪大中小雪3悬浮颗粒物浮尘/扬沙4雾雾/大雾
26.表2如表3.1-3.4所示，为第三基准表，本实施例中展示了针对4个天气大类，逐一进行线性拆分，拆分规则如下：-雨主要根据降雨量由大到小进行排序，并编制为线性参数，用数值大小表示雨的大小。
27.表3.1-雪主要根据降雪量由大到小进行排序，并编制为线性参数，用数值大小表示降雪量雪的大小。
28.表3.2-悬浮颗粒物主要根据大气中悬浮颗粒物由少到多进行排序，并编制为线性参数，用数值大小表示悬浮颗粒物的多少。
29.表3.3-雾主要根据大气中悬浮水颗粒由少到多进行排序，并编制为线性参数，用数值大小表示悬浮水气的多少。
30.表3.4当将上述3个基准表建立后，即可进行具体的计算，其中本实施例中步骤s4的计算过程包括，计算下述公式1：其中：，表示5种模式场结果按天气类型进行归类，对应表1。其中标识5个模式场的输出结果。
31.其中：，表示某模式场的结果的线性系数值，对应表3.1~表3.4。其中表示某个模式场的输出结果。
32.其中：，表示某模式场的权重值，对应表表1中的“模式权重”。其中表示某个模式场。
33.其中：，表示5个模式场的天气类型权重校正值之和。
34.其中：，表示5个模式场的模式权重值之和。
35.其中：c=a/b，表示模式场综合值。
36.其中：，表示根据模式场综合值所代表的线性系数反查表3.1-3.4中的天气类型，以获取与c值相同的线性系数值所对应的天气类型作为天气预测结果。
37.计算示例-真实场景示例1：2021年08月05日10点41分，陕西省西安市雁塔区，从数据源获取到原始数据如下：编号时间q1q2q3q4q512021-08-0510:41小雨阴天小雨中雨大雨根据公式1，将各模式场结果进行归类，此示例中，所有天气现象都可归属于“雨”类。故该组数据为雨类数据，即x=1.计算各模式场线结果的性系数：
计算各模式场权重：计算各模式场的天气类型权重校正值之和即：a=5*3+2*2+5*1+7*3+9*1=54计算各模式场权重之和即：b=3+2+1+3+1=10计算各模式场线性系数综合值c=a/b即：c=54/10=5.4，取整后c=5由雨类线性系数，反查对应天气就结果。
38.由于综合系数为5、天气类型为雨，反查表3.1，5对应的天气类型为“小雨”。所以：y=p（5, 雨）=小雨。
39.据实际观测，2021年8月5日10:41分，陕西省西安市雁塔区正在下小雨，与计算结果吻合。
[0040]-真实场景示例2：2021年08月08日12点21分，陕西省西安市雁塔区，从数据源获取到原始数据如下：编号时间q1q2q3q4q512021-08-0812:21小雨中雨中雨小雨小雨根据公式1，计算出该组数据为雨类数据，即x=1.计算各模式场线结果的性系数：计算各模式场权重：
计算各模式场的天气类型权重校正值之和即 a=5*3+7*2+7*1+5*3+5*1=56计算各模式场权重之和即 b=3+2+1+3+1=10计算各模式场线性系数综合值c=a/b即a=56/10=5.6 四舍五入后c=6由雨类线性系数，反查对应天气就结果。
[0041]
由于综合系数为6、天气类型为雨，反查表3.1，6对应的天气类型为“小到中雨”。所以：y=p（6, 雨）=小到中雨。
[0042]
据实际观测，2021年8月8日12:21分，陕西省西安市雁塔区正在下小雨偏中雨（即小到中雨），与计算结果吻合。
[0043]-真实场景示例3：2021-10-14 09:32分，陕西省西安市雁塔区，从数据源获取到原始数据如下：编号时间q1q2q3q4q512021-10-1409:32晴天阴天阴天小雨小雨根据公式1，计算出该组数据为雨类数据，即x=1.计算各模式场线结果的性系数：计算各模式场权重：计算各模式场的天气类型权重校正值之和即a=1*3+3*2+3*1+5*3+5*1=32计算各模式场权重之和
即b=3+2+1+3+1=10计算各模式场线性系数综合值c=a/b即a=32/10=3.2，四舍五入c=3由雨类线性系数，反查对应天气就结果。
[0044]
由于综合系数为3、天气类型为雨，反查表3.1，3对应的天气类型为“阴天”。所以：y=p（3, 雨）=阴天。
[0045]
据实际观测，2021年10月14日09:30分左右，陕西省西安市雁塔区刚刚下过雨，天空并未放晴，阴天更为合理，与计算结果吻合。
[0046]
算例汇总与实施例1相对应的，本发明第二个方面，还提供了一种天气预测装置，以执行上述基于多模式场综合计算的天气预测方法，其中该天气预测装置可以是能够运行计算机软件并执行计算指令的智能设备、pc、服务器等各类计算机设备，其至少包括：数据收发单元：接收指令方的天气预测指示，以令数据采集单元：采集多个模式场对于同一地区天气预测结果；数据存储单元：其存有包括各模式场模式权重值的第一基准表、及含有天气大类及其分类编码的第二基准表、以及在第二基准表中对各个天气大类分类出各个天气类型，并对每个天气类型分别进行线性系数拆分，以确定出各个天气类型的线性系数的第三基准表；数据处理单元：将各模式场对于同一地区天气预测结果进行归类，分别判断其归属于第二基准表中的所属天气大类及其对应的第三基准表，以获取对应的天气类型的线性系数；以将各模式场对应的天气类型的线性系数经各自模式场权重进行调整后获取天气类型权重校正值；并计算模式场综合值c=a/b并取整，其中各模式场的天气类型权重校正值之和为a，各模式场的模式权重值之和为b；之后依据模式场综合值c反查第三基准表，以获取与c值相同的线性系数值所对应的天气类型作为天气预测结果，以向数据收发单元发送；数据收发单元接收数据处理单元发送的天气预测结果向指令方反馈。
[0047]
其中本实施例中的指令方泛指与该天气预测装置能够进行通信以形成智能交互的各类智能设备如移动终端、pc、服务器等，也可以是各类物联网智能终端，或具有无人驾驶功能的汽车等。
[0048]
本发明的第三个方面，还提供了一种计算机可读存储介质，其上存储有计算机程
序，其特征在于，所述计算机程序被计算机处理器执行时，实现如上述任一项所述基于多模式场综合计算的天气预测方法的步骤。
[0049]
综上所述，通过本发明提供的一种基于多模式场综合计算的天气预测方法、装置及存储介质，能够将同种天气现象进行线性化编排，让结果在同种天气类型之间波动；再结合各模式场的准确性，计算出某天气现象的大小合理值（线性数值），从而推导出更加合理的天气现象，籍此基于多模式场来进行综合计算，从而纠正天气预测结果偶有严重偏离实际情况的问题，进而提高天气预报的准确性。
[0050]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0051]
本领域技术人员可以理解，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
[0052]
此外实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器（processor）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
[0053]
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。