[发明专利]资料预报方法及系统

权利要求书

1.一种资料预报方法，其特征在于，包括：

获取待测地点对应的观测资料，基于所述观测资料利用预设的同化模型进行资料同化，得到初始场；

利用预设的延伸模型以所述初始场作为输入进行资料延伸，得到下一时刻的延伸观测资料；

利用预设的集成模型以所述延伸观测资料作为输入进行资料集成，得到集成资料。

2.根据权利要求1所述的资料预报方法，其特征在于，所述基于所述观测资料利用预设的同化模型进行资料同化，得到初始场包括：

根据观测算子将所述观测资料转化到所述观测资料对应的观测空间，得到观测数据；

利用预设的同化模型以所述观测数据作为输入进行资料同化，得到初始场。

3.根据权利要求2所述的资料预报方法，其特征在于，根据观测算子将所述观测资料转化到所述观测资料对应的观测空间，得到观测数据之前，还包括：

剔除所述观测资料中不符合预设观测条件的数据，对剔除操作后的所述观测资料进行偏差修订。

4.根据权利要求1所述的资料预报方法，其特征在于，所述利用预设的延伸模型以所述初始场作为输入进行资料延伸，得到下一时刻的延伸观测资料，包括：

将初始场按照图像属性分成N个级别，得到当前时刻每个级别所对应的分级资料，其中N大于等于1；

利用预设的延伸模型以每个级别的所述分级资料作为输入进行资料延伸，得到下一时刻每个级别所对应的延伸观测资料；

对N个级别所对应的延伸资料进行合成，重构出下一时刻的延伸观测资料。

5.根据权利要求4所述的资料预报方法，其特征在于，所述将初始场按照图像属性分成N个级别，得到当前时刻每个级别所对应的分级资料，包括：

获取初始场；

将所述初始场进行小波图像分解，得到当前时刻每个级别所对应的分级资料。

6.根据权利要求5所述的资料预报方法，其特征在于，相应的，所述对N个级别所对应的延伸资料进行合成，重构出下一时刻的延伸观测资料，包括：

利用小波逆变换对N个级别所对应的延伸资料进行合成，重构出下一时刻的延伸观测资料。

7.根据权利要求1所述的资料预报方法，其特征在于，三个模型均包括：深度神经网络。

8.根据权利要求7所述的资料预报方法，其特征在于，所述深度神经网络的权重系数是根据预设的策略神经网络输出结果确定的，所述权重系数使所述深度神经网络的网络状态价值最大。

9.根据权利要求8所述的资料预报方法，其特征在于，所述策略神经网络包括：价值评估网络和控制神经网络，所述价值评估网络用于评估所述深度神经网络的网络状态的价值，所述控制神经网络基于所述价值评估网络输出的价值及预设调整策略调整所述策略神经网络的输出结果。

10.一种资料预报系统，其特征在于，包括：资料同化模块、资料延伸模块和资料集成模块；

所述资料同化模块用于获取待测地点对应的观测资料，利用预设的优化模型以所述观测资料作为输入进行资料同化，得到初始场；

所述资料延伸模块利用所述预设的优化模型以所述初始场作为输入进行资料延伸，得到下一时刻的延伸观测资料；

所述资料集成模块利用所述预设的优化模型以所述延伸观测资料作为输入进行资料集成，得到集成资料。