[发明专利]能见度确定方法、装置、计算机设备及可读存储介质

权利要求书

1.一种能见度确定方法，其特征在于，包括：

获取与能见度相关的特征参数；

将所述与能见度相关的特征参数输入到经过训练的随机森林回归模型中得到能见度。

2.根据权利要求1所述的能见度确定方法，其特征在于，所述与能见度相关的特征参数包括以下中的一种或几种：单气象要素特征、要素间关系特征、综合诊断特征、变率特征。

3.根据权利要求2所述的能见度确定方法，其特征在于，所述随机森林回归模型为能见度监测模型，所述单气象要素特征包括以下中的一种或几种：瞬时风速、温度、相对湿度；所述要素间关系特征包括以下中的一种或几种：上下层温度差、上下层水汽压差；所述变率特征包括以下中的一种或几种：风速40、50、60分钟变率、上下层温度差30、50分钟变率、相对湿度20分钟变率、离地30公分相对湿度60分钟变率、上下层水汽压差50分钟变率、温度10分钟变率、离地30公分温度露点差10、50分钟变率、温度60分钟变率、露点温度60分钟变率、气压30分钟变率。

4.根据权利要求2所述的能见度确定方法，其特征在于，所述随机森林回归模型为能见度预测模型，所述单气象要素特征包括以下中的一种或几种：温度、相对湿度、水汽压；所述要素间关系特征包括以下中的一种或几种：上下层露点温度差；所述综合诊断特征包括以下中的一种或几种：湿度能见度指数、感热通量、潜热通量；所述变率特征包括以下中的一种或几种：温度5分钟变率、上下层温度差5、10分钟变率、上下层湿度差5、10分钟变率、感热通量5、10分钟变率、潜热通量5、10分钟变率、水汽压10分钟变率、能见度10分钟变率。

5.根据权利要求1所述的能见度确定方法，其特征在于，所述随机森林回归模型的训练方法包括：

获取训练集和当前超参数组合；

根据所述训练集建立与所述当前超参数组合相对应的当前随机森林回归模型；

获取测试集和与测试集对应的真实值；

将所述测试集输入到所述当前随机森林回归模型中得到最终预测值；

根据所述预测值与真实值确定模型评分；

遍历预设的多个超参数组合，根据得到的多个模型评分确定所述随机森林回归模型的最优建模超参数组合；

根据所述最优建模超参数组合得到所述随机森林回归模型。

6.根据权利要求5所述的能见度确定方法，其特征在于，所述根据所述当前超参数组合建立相对应的当前随机森林回归模型包括：

在所述训练集中进行放回抽样得到至少两个训练子集；

针对任一训练子集，确定与该训练子集相对应的分类与回归树模型，遍历所有的训练子集得到与所述当前超参数组合相对应的当前随机森林回归模型。

7.根据权利要求5所述的能见度确定方法，其特征在于，所述将所述测试集输入到所述当前随机森林回归模型中得到最终预测值包括：

分别确定所述测试集中的每个测试样本在各分类与回归树模型中所属的单元域及对应单元域的平均值，即为每个分类与回归树模型的预测值；

确定所有分类与回归树模型预测值的平均值，即为对应测试样本的最终预测值。

8.一种能见度确定装置，其特征在于，包括：

参数获取模块：用于获取与能见度相关的特征参数；

特征输入模块：用于将所述与能见度相关的特征参数输入到经过训练的随机森林回归模型中得到能见度。

9.一种计算机设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7任一所述的能见度确定方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的能见度确定方法的步骤。