[发明专利]一种气象预报的智能修订方法及系统

权利要求书

1.一种气象预报的智能修订方法，其特征在于，包括：

采集得到预设雷达回波图像，并利用光流法对所述预设雷达回波图像进行外推分析生成第一气象预报；

组建历史雷达回波图像集，其中，所述历史雷达回波图像集包括多张具有时序特征的雷达回波图像；

提取所述多张具有时序特征的雷达回波图像中的目标雷达回波图像，并采集所述目标雷达回波图像的实际气象数据；

对所述目标雷达回波图像进行多维度特征提取，得到目标特征集；

基于算法原理分析组建单项预测模型集，其中，所述单项预测模型集包括多个单项预测模型；

将所述目标特征集与所述实际气象数据作为输入信息，依次对所述多个单项预测模型进行训练，分别得到多个目标雷达外推模型；

基于Stacking算法原理，将所述多个目标雷达外推模型进行集成融合，得到气象预测模型；

通过所述气象预测模型对所述第一气象预报进行智能修订，并根据智能修订结果生成第二气象预报。

2.如权利要求1所述的智能修订方法，其特征在于，在所述对所述目标雷达回波图像进行多维度特征提取，得到目标特征集之后，还包括：

基于所述目标雷达回波图像，结合所述多张具有时序特征的雷达回波图像进行图像差异性分析，得到多个差异特征集；

将所述多个差异特征集添加至所述目标特征集。

3.如权利要求2所述的智能修订方法，其特征在于，所述基于所述目标雷达回波图像，结合所述多张具有时序特征的雷达回波图像进行图像差异性分析，得到多个差异特征集，包括：

获得所述目标雷达回波图像的目标时序特征；

基于所述目标时序特征，提取所述多张具有时序特征的雷达回波图像中的第一雷达回波图像；

其中，所述第一雷达回波图像与所述目标雷达回波图像之间具备第一连续性；

将所述目标雷达回波图像与所述第一雷达回波图像进行图像差异性分析，得到第一差异特征集；

获得所述第一雷达回波图像的第一时序特征；

基于所述第一时序特征，提取所述多张具有时序特征的雷达回波图像中的第二雷达回波图像；

其中，所述第二雷达回波图像与所述目标雷达回波图像之间具备第二连续性；

将所述目标雷达回波图像与所述第二雷达回波图像进行图像差异性分析，得到第二差异特征集；

根据所述第一差异特征集、所述第二差异特征集，组建得到所述多个差异特征集。

4.如权利要求1所述的智能修订方法，其特征在于，所述提取所述多张具有时序特征的雷达回波图像中的目标雷达回波图像，并采集所述目标雷达回波图像的实际气象数据，包括：

根据所述目标时序特征采集目标历史气象数据记录，其中，所述目标历史气象数据记录是指在所述目标时序特征下的历史气象数据；

组建气象要素集，其中，所述气象要素集包括第一气象要素和第二气象要素；

基于所述第一气象要素和所述第二气象要素，对所述目标历史气象数据记录进行要素信息提取，分别得到第一历史气象要素信息和第二历史气象要素信息；

将所述第一历史气象要素信息和所述第二历史气象要素信息作为所述实际气象数据。

5.如权利要求4所述的智能修订方法，其特征在于，所述基于Stacking算法原理，将所述多个目标雷达外推模型进行集成融合，得到气象预测模型，包括：

基于Stacking算法原理，将所述多个目标雷达外推模型进行集成融合，得到多个集成气象预测模型；

基于所述目标特征集和所述实际气象数据，组建集成模型数据集；

依次通过所述多个集成气象预测模型对所述集成模型数据集进行预测，得到多个预测结果；

筛选所述多个预测结果中的最佳预测结果；

反向匹配所述最佳预测结果的集成气象预测模型，并作为所述气象预测模型。