CN114386654B 一种多尺度数值天气预报模式融合的天气预报方法及装置 （国家气象中心(中央气象台)）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114386654B(45)授权公告日2025.07.11

(21)申请号202111436282.6

(22)申请日2021.11.29

(65)同一申请的已公布的文献号申请公布号CN114386654A

(43)申请公布日2022.04.22

(73)专利权人国家气象中心(中央气象台)

地址100081北京市海淀区中关村南大街

46号

(72)发明人周康辉王婷波

(74)专利代理机构北京路浩知识产权代理有限公司11002

专利代理师王宇杨

(51)Int.CI.

GO6Q10/04(2023.01)

GO6Q50/26(2024.01)

GO6V10/80(2022.01)

(56)对比文件

CN113537600A,2021.10.22CN112488385A,2021.03.12

CN109543906A,2019.03.29审查员张馨予

权利要求书2页说明书15页附图7页

(54)发明名称

一种多尺度数值天气预报模式融合的天气预报方法及装置

(57)摘要

CN114386654B本发明提供一种多尺度数值天气预报模式融合的天气预报方法及装置，该天气预报方法包括：根据大气环流预报数据和对流性天气预报数据，获取多尺度数值天气预报模式融合的目标预报因子；将目标预报因子输入至预先训练的深度学习预报模型，获取天气预报结果。在本发明中，通过将不同尺度的数值天气预报模式的预报因子相融合，并输入至预先训练好的深度学习预报模型中，以获取预测的天气预报，解决了现有技术中不能同时兼顾不同尺度的天气系统的预报效果的缺陷，实现了对多种尺度数值天气预报模

CN114386654B

根据大气环流预报数据和对流性天气预报数据，获取多尺度数值天气预报模式融合的目标预报因子

将所述目标预报因子输入至预先训练的深度学习预报模型，获取天气预报结果

S11

S12

CN114386654B权利要求书1/2页

2

1.一种多尺度数值天气预报模式融合的天气预报方法，其特征在于，包括：

根据大气环流预报数据和对流性天气预报数据，通过置换重要性分析方法获取多尺度数值天气预报模式融合的目标预报因子；

其中，所述大气环流预报数据对应于全球数值天气预报模式，所述对流性天气预报数据对应于对流可分辨数值天气预报模式，所述多尺度数值天气预报模式包括全球数值天气预报模式和对流可分辨数值天气预报模式；

所述目标预报因子包括大气环流特征的预报因子和对流性天气预报特征的预报因子；所述大气环流特征的预报因子包括温度、位势高度和比湿；所述对流性天气预报特征的预报因子包括水平风场、垂直速度、温度、相对湿度、云水混合比、雨水混合比、冰水混合比、雪水混合比和霰；

将所述目标预报因子输入至预先训练的深度学习预报模型，获取天气预报结果；其中，所述深度学习预报模型为采用双编码器-单解码器结构的“U”型网络，全球数值天气预报模式和对流可分辨数值天气预报模式下的目标预报因子分别设置有不同的编码器，将两种不同模式的目标预报因子分别输入至相应的编码器中，由编码器对目标预报因子进行分析判断，并将所有编码器分析判断之后的输出结果输入至所述深度学习预报模型的同一个解码器中，以对两种不同模式下的目标预报因子进行融合。

2.根据权利要求1所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，还包括：

根据所述目标预报因子，确定训练集和测试集；

将所述训练集和测试集分别输入至所述深度学习预报模型进行训练和测试，获取预先训练的所述深度学习预报模型。

3.根据权利要求2所述的多尺度数值天气预报模式融合的天气预报方法，其特征在于，所述将所述训练集和测试集分别输入至所述深度学习预报模型进行训练和测试，包括：

将所述训练集中的所述目标预报因子输入至所述深度学习预报模型的相应编码器中；将所有所述编码器的输出结果输入至所述深度学习预报模型的同一解码器，获取所述目标预报因子的融合特征；根据所述融合特征，对所述深度学习预报模型进行训练；

将所述测试集中的所述目标预报因子输入至所述深度学习预报模型的相应编码器中；将所有所述编码器的输出结果输入至所述深度学习预报模型的同一解码器，获取所述目标预报因子的测试融合特征；根据所述测试融合特征，对所述深