CN119961876B 一种多源异构气象数据同化融合方法 （南昌科晨电力试验研究有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119961876B(45)授权公告日2025.07.08

(21)申请号202510445974.9

(22)申请日2025.04.10

(65)同一申请的已公布的文献号申请公布号CN119961876A

(43)申请公布日2025.05.09

(73)专利权人南昌科晨电力试验研究有限公司地址330000江西省南昌市青山湖区民营

科技园内民强路88号

专利权人国网江西省电力有限公司电力科学研究院

(51)Int.CI.

GO6F18/25(2023.01)

GO6F18/15(2023.01)

G01W1/10(2006.01)

(56)对比文件

CN117574226A,2024.02.20CN119543107A,2025.02.28审查员苏晓燕

(72)发明人欧阳文华李长东徐瑞泽杨柳

(74)专利代理机构南昌丰择知识产权代理事务所(普通合伙)36137

专利代理师吴称生

权利要求书4页说明书13页附图1页

(54)发明名称

一种多源异构气象数据同化融合方法

通过分布式数据接口同步获取多个数据源的气象数据，并进行预处

通过分布式数据接口同步获取多个数据源的气象数据，并进行预处理，数据源包括卫星遥感数据、地面气象站数据和气象雷达数据

在完成S100中对多个数据源的气象数据的预处理后，基于加权最小二乘法，分别将多个数据源的数据融合成各个气象要素的气象要素值

将S200融合得到的气象要素值与数值天气预报模型进行同化

与S100、S200和S300联动，能够动态优化数值天气预报模型参数并生成可执行气象预警指令

S100

S200

S300

S400

CN119961876B(57)摘要本发明公开了一种多源异构气象数据同化融合方法，包括有以下步骤：通过分布式数据接口同步获取多个数据源的气象数据，并进行预处理，数据源包括卫星遥感数据、地面气象站数据和气象雷达数据；在完成对多个数据源的气象数据的预处理后，基于加权最小二乘法，分别将多个数据源的数据融合成各个气象要素的气象要素值；将融合得到的气象要素值与数值天气预报模型进行同化。本发明具有以下优点和效果：本发明能精确异常数据并进行针对性修复，并通过加权，来动态调整数据源的权重，有效避免低质

CN119961876B

(57)摘要

CN119961876B权利要求书1/4页

2

1.一种多源异构气象数据同化融合方法，其特征在于，包括有以下步骤：

S100、通过分布式数据接口同步获取多个数据源的气象数据，并进行预处理，数据源包括卫星遥感数据、地面气象站数据和气象雷达数据；

S200、在完成S100中对多个数据源的气象数据的预处理后，基于加权最小二乘法，分别将多个数据源的数据融合成各个气象要素的气象要素值；

S300、将S200融合得到的气象要素值与数值天气预报模型进行同化；

S400、与S100、S200和S300联动，能够动态优化数值天气预报模型参数并生成可执行气象预警指令；

其中，S200具体为：

将数据源类型、时空接近性、数据质量三方面权重逐项相乘，生成综合权重矩阵；

每个气象要素的数据都会对应一个综合权重矩阵，基于加权最小二乘法来得到融合后的气象要素值；

S300具体为：

S301、通过双三次插值法将数值天气预报模型的低分辨率数据提升至与气象数据相同的分辨率，使得气象数据和数值天气预报模型的数据能够在相同的空间网格上进行比较；

S302、计算数值天气预报模型的预测值与气象要素值之间的差异；具体为：

S3021、对每个网格点的同一气象要素，计算预测值与气象要素值的直接差值；

S3022、计算所有网格点差值的平均值，评估数值天气预报模型的系统性偏差；接着通过计算均方根误差来衡量预测值与气象要素值的离散程度，反映数值天气预报模型的不确定性；

S3023、结合生成的综合权重矩阵，对每个网格点的差值按数据源的权重进行调整，避免低质量数据对差异计算造成干扰；

S3024、将差值结果以空间热力图形式可视化，红色表示预测值高于气象要素值的正偏差，蓝色表示预测值低于气象要素值的负偏差，便于直观定位偏差集中区域，并对超出预设阈值的网格点进行标记。

2.根据权利要求1所述的一种多源异构气象数据同化融合方法，其特征在于：S100中进行预处理的