[发明专利]NRIET暴雨智能相似分析方法

说明书

本发明公开了一种NRIET暴雨智能相似分析方法，这里气象大数据相似预报方法，通过机器学习得到相似判据，能够更加准确地建立相似度计算的方案，同时，使用相似离度作为衡量标准，不但考虑了要素的数值相似，而且加入了天气系统的形变因素。此外，结合图像大数据相似度定量衡量天气过程中不同变量场的相似程度，逐步引入要素场进行相似过滤，最终得到相似个例的日期，基于这些相似个例所对应的历史实况作为制作天气预报的依据。该方法结合图形大数据技术和传统相似算法，利用数值预报产品提供的大气环流演变趋势，考虑天气发展过程的三维结构特征，兼顾大气本身的线性和非线性变化规律，具有思路明确，直观性强的特点，辅助预报和分析。

技术领域

本发明涉及一种气象大数据预报分析方法，尤其涉及一种NRIET暴雨智能相似分析方法。

背景技术

传统的相似形势法作气象要素预报，要在事先用历史资料把各种天气出现时的地面或空中形势归纳成若干型──天气─气候模型，并统计各型的相似天气过程与预报区天气的关系。作预报时，只要根据当时的天气形势及其演变特点，找到历史相似天气型，即可作出相应的天气预报。传统的暴雨相似预报在气象要素筛选中具有较强的经验性质和不确定性，很多情况下暴雨相似预报过程中的判据依赖于预报员的经验选择，并不是通过客观算法计算得到，会引起预报结果的主观失误。同时，现有的暴雨相似分析法在计算相似度的过程中多使用的是距离法计算，将二维的气象要素转化成一维的数据，仅仅考虑了气象要素值的相似性，缺少对系统的形状的考虑，忽略了气象要素形势场的整体信息，使得最终得到的相似分析结果不准确。

发明内容

本发明提出了一种NRIET暴雨智能相似分析方法，这里气象大数据相似预报方法，通过机器学习得到相似判据，能够更加准确地建立相似度计算的方案，同时，使用相似离度作为衡量标准，不但考虑了要素的数值相似，而且加入了天气系统的形变因素。此外，结合图像大数据相似度定量衡量天气过程中不同变量场的相似程度，逐步引入要素场进行相似过滤，最终得到相似个例的日期，基于这些相似个例所对应的历史实况作为制作天气预报的依据。该方法结合图形大数据技术和传统相似算法，利用数值预报产品提供的大气环流演变趋势，考虑天气发展过程的三维结构特征，兼顾大气本身的线性和非线性变化规律，具有思路明确，直观性强的特点，辅助预报和分析。

基于数值预报再分析数据、卫星图像数据和暴雨数据，建立时间深度为10年以上的历史资料库；将当前资料处理为与历史资料相同结构的数据，对历史资料库和当前数据进行标准化处理。根据相似分析关注的天气过程，选择相应的相似判据进行相似分析。要素因子包括：位势高度场、温度场、湿度场、涡度场、散度场、U、V风场、垂直速度场。针对台风过程和暴雨过程形成两套相似分析方法，相似判据的选取及不同要素的权重可以根据业务选择实时配置，在分析过程中相似判据的区域范围可变。

为了解决以上问题，本发明采用了如下技术方案：一种NRIET暴雨智能相似分析方法，包括以下步骤：

步骤1：基于数值预报再分析数据、卫星图像数据和暴雨数据，建立时间深度为10年以上的历史资料库；

步骤2：将当前资料处理为与历史资料相同结构的数据，对历史资料库和当前数据进行标准化处理；

步骤3：相似判据选取

基于不同的暴雨过程，建立降水量与海平面气压、2米高度温度、相对湿度和风向、风速；以及与标准等压面上的位势高度、温度、相对湿度、U风分量、V风分量；以及与诊断物理量：涡度、散度、垂直速度、的相关关系，利用机器学习的方法XgBoost建立降雨量与各个气象要素的数学关系模型，计算不同的要素与降雨量的相关系数，根据相关系数的大小筛选出与降水量关系更强的气象要素，作为后续相似分析过程中的比较判据；

步骤4：相似区域选取

相似区域：即“历史同期”过程的时间范围以及对每个形势场的扫描区域范围；