基于多源数据融合的气象数据真实性检验研究与应用.pdf

基于多源数据融合的气象数据真实性检验研究与应用

摘要

气象观测数据是开展科学研究和提供气象服务的基础，其质量好坏直接影

响到气象预报和公共气象服务。目前气象数据真实性检验难点主要有：测站多、

要素繁杂、数据量大、数据管理维护难度高、数据质量层次不齐、检验模型普

适性差。而传统的气象数据真实性检验算法检验效果并不理想，检验精度无法

满足智能化、精细化气象服务对数据质量的要求，目前也没有一套行之有效的

方法对此进行处理。所以，寻找新的方法来挖掘气象资料中包含的丰富特征，

进一步提高真实性检验的精度具有重要意义。

对此，本文提出了同源气象要素融合和多源同型气象要素融合两种检验方

法。在分析气象数据自身特性的基础上，将多源数据融合和深度学习应用到小

时气象数据预测上，以期从精准预测角度来检验气象数据真实性。具体研究内

容如下：

1、同源气象要素融合检验方法：同源指同一下垫面、同一气象采集站采

集到的各气象要素数据。在单站气象数据真实性检验中，针对传统气象数据预

测算法对数据潜在特征提取不充分、预测精度低导致只能识别粗大误差的问

题，本文将卷积长短时记忆网络ConvLSTM引入到气象数据预测中，保证获

得数据时序关系的同时可以进行要素关联特征的提取。接着将ConvLSTM与

灰色关联分析GRA、双向长短时记忆网络BiLSTM融合，提出了双阶段融合

预测模型GRA-Conv-BiLSTM，即同源气象要素融合检验方法。然后以单站气

温数据为例进行实验，结果表明，相较于LSTM神经网络等对比模型，GRA-

Conv-BiLSTM模型的MSE最大降低10.841，最小降低了0.394，可以有效提

升各气象要素的预测精度和真实性检验的准确度。

2、多源同型气象要素融合检验方法：多源同型指下垫面相似、数据可比

性高的多个气象站采集到的各气象要素数据。在多站多要素气象数据真实性检

验中，针对传统预测算法对数据时空特征提取不充分、预测精度低导致真实性

检验效果不佳的问题，本文在研究同型站的基础上，从特征和模型两方面入手，

提出了一种基于多特征融合MFC、改进长短期时间序列网络IL和编解码器框

架下EDCT网络的双阶段融合预测模型MFC-IL-EDCT，即多源同型气象要素

融合检验方法。然后以多站风速数据为例进行实验，结果表明，多特征融合可

以有效提高模型的预测精度，且具有一定的模型适应能力；相比于其他模型，

所提出的模型MFC-IL-EDCT的MSE最大降低了5.784，最小降低了0.138，

预测精度和真实性检验的准确度都有所更高。

3、考虑两种检验方法之间的互补性和相关性，将其结合，形成综合检验

方案，并将综合检验方案应用到实际气象观测数据真实性检验中。结果表明，

相比传统真实性检验算法，本文提出的综合检验方法检出率更高、检验效果更

好。

4、根据实际业务需求，结合本文提出的两种真实性检验方法，设计并实

现了气象数据真实性检验系统，实现了气象数据的自动化入库，高效化管理和

智能化检验的目标。

关键词：气象数据，真实性检验，多源数据融合，深度学习

ResearchandApplicationofMeteorologicalData

AuthenticityTestingBasedonMulti-sourceDataFusion

ABSTRACT

Meteorologicaldataisthebasisforcarryingoutscientificresearchand

providingmeteorologicalservices,anditsqualitydirectlyaffectsmeteorological

forecastingandpublicmeteorologicalservices.Currently,themaindifficultiesin

theauthenticitytestingofmeteorologicaldataare:multipleobservationstations,

complicatedelements,hugedatavolume,hi