[发明专利]一种基于时变云模型的天气温度预测方法及装置

说明书

技术领域

本发明涉及高性能计算技术领域，特别涉及基于时变云模型的天气温度预测方法及装置。

背景技术

近年来，天气预测一直是数据预测领域的一大热点。天气预测是根据自然科学原理，利用统计学、气候动力学方法和计算机、云存储大数据库、信号检测、传感技术等手段，在研究天气变异成因的基础上，对某一地区在未来一段时间内的气候趋势和气候灾害等进行科学预测。天气要素常包括气温、风速、风向、降水、湿度、气压、能见度、地面温度、云量、蒸发量、云高、雪深、日照辐射、雾以及霾等。天气温度预测是对天气预测中的气温要素进行预测。

天气温度预测是一项基本而重要的工作，它所影响的领域十分广泛，它能直接影响到人们的穿衣指数，也能影响到农作物的生长状态及收成，甚至还会影响到工业产品的生产、销售。如果气象部门能够提供更加精准的气象数据，那么人们的出行会更加省心,工农业生产也可以根据气温变化及时做好生产安排，保证最大效益。但是，气温数据是不确定性和确定性交织的动态数据体系，影响气温变动的因素多，因而利用其对天气进行预测还存在很大的阻碍。

目前对天气温度进行预测的主要有以下三类：1、基于神经网络的预测方法(参见文献李会兵.基于BP神经网络的温度预测方法[J].电子测试,2013(19).)；2、基于统计理论模型的，包括指数平滑预测方法等(参见文献崔海蓉,张京波,何建敏.基于AR-EGARCH的空气温度预测模型[J].统计与信息论坛,2013,28(10):36-41.)；3、基于云模型的预测方法，包括云模型相似度预测方法等(参见文献金璐.云模型在时间序列预测中的应用研究[D].电子科技大学,2014.)。

这三种方案在实际应用中都存在着不同的问题和缺陷。首先，第一种方案需要以来对大量的是历史数据进行分析，从而来校验和修正相关模型的参数，计算量相当的大，此外，基于BP神经网络的预测方法存在收敛速度慢、容易出现振荡和陷入局部优化等缺点；其次，第二种方案在温度变化比较没有规律的月份，在考虑随机性的情况方面有天生的缺陷；最后，第三种方案中，基于相似度的云模型预测方法能够在样本数据较小的情况下得出比较精准的结果，然而却以很高的计算复杂性为代价，来获得较好的预测的准确性，这影响了其在现实场景中应用的可行性。

综上所述，现有温度预测模型存在的问题在于预测精准度高的计算量较大，难以保证短时预测的实时性和自适应性，而简单的预测模型不能很好地模拟现实温度的变化趋势，预测精度达不到工业上或者农业上的需求，且在对下一时刻的温度进行预测时存在随机性和模糊性。

发明内容

为了解决上述技术问题，本发明提出基于时变云模型的天气温度预测方法及装置。

本发明一种基于时变云模型的天气温度预测方法，如图1所示，包括：

S1、获取历史天气温度数据；

S2、利用某一天的时刻温度数据生成该天的历史时刻云温度分布，所述历史温度时刻云温度分布主要是用于表示历史温度的变化趋势，由温度分布的期望值、温度分布的熵值和温度分布的超熵值来表征；

S3、重复上一步骤直至生成n个历史时刻云温度分布，将n个历史时刻云温度分布的期望特征值、熵特征值和超熵特征值分别组成历史时刻云的温度期望特征值序列Ex⁽⁰⁾、历史时刻云的温度熵特征值序列En⁽⁰⁾和历史时刻云的温度超熵特征值序列He⁽⁰⁾；其中n为历史温度数据的天数；

S4、利用历史时刻云的温度期望值序列Ex⁽⁰⁾预测下一时刻温度分布的期望特征值Ex(n+1)；利用历史时刻云的温度熵值序列En⁽⁰⁾预测下一时刻温度分布的熵值En(n+1)和超熵值He(n+1)；

S5、获得下一时刻的温度分布。

本发明基于时变云模型的天气温度预测装置，如图4所示，包括中央处理单元M10以及分别与所述中央处理单元M10相连接的网络接口单元M11、显示单元M12、天气温度预测单元M13和监测单元M14：

所述监测单元包括至少一个温度检测传感器，所述温度检测传感器分别布置于各个监测点上，向天气温度预测单元发送各个监测点的天气温度监测数据，这些监测数据形成史天气温度数据；

所述天气温度预测单元用于根据历史天气温度数据预测下一时刻的温度分布，具体包括：

S1、获取历史天气温度数据；