CN119538099B 考虑对流复杂环境特征的地面风速测算的订正方法 (华风气象传媒集团有限责任公司)_第1页
CN119538099B 考虑对流复杂环境特征的地面风速测算的订正方法 (华风气象传媒集团有限责任公司)_第2页
CN119538099B 考虑对流复杂环境特征的地面风速测算的订正方法 (华风气象传媒集团有限责任公司)_第3页
CN119538099B 考虑对流复杂环境特征的地面风速测算的订正方法 (华风气象传媒集团有限责任公司)_第4页
CN119538099B 考虑对流复杂环境特征的地面风速测算的订正方法 (华风气象传媒集团有限责任公司)_第5页
已阅读5页,还剩30页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

考虑对流复杂环境特征的地面风速测算的本申请提供一种考虑对流复杂环境特征的别,在各类别下训练并调试LSTM、XGboost、风速测算分类订正模型中自动匹配合适的风速2对流性大风个例的风速测算订正模型C的生其中,Xa、Xb分别为分别以普通个例的和冷空气系史数据构建的特征张量,Y为以目标预报批次的风速测算误差标准化历史数据构建的标签据此在风速测算分类订正模型中自动匹配合适的风速测算订正模型对风速测算结果进行3根据大风过程类别,从风速测算分类订正模型中匹配合适的风数据预处理模块,用于对上述获取的目标站点的原始历史数据对流性大风个例的风速测算订正模型C的生4其中,Xa、Xb分别为普通个例的和冷空气系统性大风个例5一种考虑对流复杂环境特征的地面风速测算的[0003]本申请实施例的目的在于提供一种考虑对流复杂环境特征的地面风速测算的订[0007]基于标准化历史数据,根据不同大风过程类别,训练并调试LSTM、XGboost、6数据构建的特征张量,Xc为以对流性大风个例的包括常规气象要素预报的标准化历史数化历史数据构建的特征张量,Y为以目标预报批次的风速测算误差标准化历史数据构建的速测算误差预测模型作为Stacking一[0020]将所述多个风速测算误差预测模型的输出作为新的特征输入二级学习器,训练[0021]基于所述Stacking一级学习器和Stacking二级学习器构成风速测算误差预测模7关性分析得到高相关对流参数,基于所述高相关对流参数进一步利用k_means聚类方法筛选出冷空气系统性大风个例和对流性大风个[0038]具体地,基于所述高相关对流参数利用k_means聚类方法筛选出冷空气系统性大8[0057]如图1所示,本申请实施例提供了一种考虑对流复杂环境特征的地面风速测算订9[0072]进一步,基于高相关对流参数进一步利用k_means聚类方法筛选出冷空气系统性可以是从中国气象局区域数值预报业务系统(ChinaMeteorologicalAdministration及行业记录中收集。测标准化历史数据和大风时段气象预报标准化历史数据组成聚类方法进一步筛选出冷空气系统性大风个例和对流性[0099]上述步骤S133的实施方式例如:在大风个例中利用Pearson相关性分析方法建立对流有效位能、对流抑制能量、K指数、螺旋度等多种对流参数CV与风速U的相关性和测试集;将训练集和测试集输入LSTM长短程记忆神经网络模型进行训练并调整模型参LSTM模型的输入结果Ob_lstm和标签张量Yb,组成新的输入数据接入极限梯度提升模型一级学习器和Stacking二级学习器得到风速测算误差预测模型B;利用风速误差预测值和[0109]其中,Xb为以冷空气系统性大风个例的包括常规气象要素预报的标准化历史数以冷空气系统性大风个例的目标预报批次的风速测算误差标准化历史数据构建的标签张Yb’模型进行训练并调整模型参数,得到风速测算误差预测模型C1;将训练集和测试集输入测算误差预测模型C2;将风速测算误差预测模型C1和风速测算误差预测模型C2作为其他机器学习模型由上述Stacking一级学习器和Stacking二级学习器得到风速测算误值,用以控制风速误差预测值的范围;以上构成风速测算订正模型C。具体过程为:[0115]上述步骤S151的实施方式例如:从中国气象局区域数值预报业务系统(ChinaMeteorologicalAdministrationMesoscaleNumericalWeatherPrediction[0120]如图2所示,本申请实施例提供了一种考虑对流复杂环境特征的地面风速订正装[0127]气象预报原始历史数据获取模块,从中国气象局区域数值预报业务系统(ChinaMeteorologicalAdministrationMesoscaleNumericalWeatherPrediction参数数据,利用Pearson相关性分析得到高相关对流参数,基于高相关对流参数利用k_means聚类方法进一步筛选出冷空气系统性大风个例和对流性大风个例。训练LSTM得到风速订正模型1,训练LSTM和XGboost得到风速订正模型2,进一步利用[0150]对2023年1月至10月北京

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论