(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111383981.9 (22)申请日 2021.11.19 (65)同一申请的已公布的文献号 申请公布号 CN 113821987 A (43)申请公布日 2021.12.21 (73)专利权人 浙江甲骨文 超级码科技股份有限 公司 地址 310000 浙江省杭州市西湖区华星路 99号东软创业大厦五层A5 09 (72)发明人 顾惠波　岳晓兰　娄本昊　曹利　 (74)专利代理 机构 杭州裕阳联合专利代理有限 公司 33289 代理人 田金霞 (51)Int.Cl. G06F 30/27(2020.01)(56)对比文件 CN 111652404 A,2020.09.1 1 CN 113269464 A,2021.08.17 审查员 许哲 (54)发明名称 复杂地形气象数据预测方法、 系统和装置 (57)摘要 一种复杂地形气象数据预测方法、 系统和装 置， 包括以下步骤： 获取第一地理单元内的NDVI 数据和第一地理单元内对应的第一温度数据集， 以高斯权重滤波器作为核， 对NDVI数据进行卷 积， 用第一温度数据集和处理后的NDVI数据训练 多项式回归模 型， 栅格化第一地理单元获得第二 地理单元， 用多项式回归模型计算第二温度数据 集； 叠加以海拔经验模型计算的第三温度数据集 和第二温度数据集， 得到第四温度数据集； 获取 第二地理单元的实测温度数据， 对第四温度数据 集进行空间卷积操作， 基于实测温度数据调节高 斯核半径的参数R和高斯公式中的σ参数计算第 二最优模型。 本技术方案解决了复杂地形的温度 预测缺陷， 预测尺度更小， 且预测更准确。 权利要求书2页 说明书6页 附图2页 CN 113821987 B 2022.03.25 CN 113821987 B 1.一种复杂地形气象数据预测方法， 其特 征在于， 包括以下步骤： 获取第一地理单元内的NDVI数据和第一地理单元内对应的实测温度 数据， 对每次实测 温度数据减去其平均值作为第一温度数据集； 以高斯权重滤波器作为卷积核， 对所述NDVI数据进行卷积操作， 得到处理后的NDVI数 据； 将所述第一温度数据集和处理后的NDVI数据作为训练数据， 使用多项式回归模型进行 训练， 得到NDVI数据和温度增减值的第一 最优模型； 通过对第一地理单元栅格化获得第二地理单元， 以第一地理单元的温度数据为基准， 通过所述第一 最优模型计算每一第二 地理单元的第二温度数据集； 以第一地理单元的气象站海拔数据为基准， 以海拔经验模型计算每一第 二地理单元的 第三温度数据集， 叠加所述第二温度数据集和所述第三温度数据集， 得到第四温度数据集； 获取第一地理单元内的每一第 二地理单元的实测温度数据， 以高斯权重滤波器作为卷 积核对所述第四温度数据集进 行空间卷积操作， 基于实测温度数据调节高斯核半径的参数 R和高斯公式 中的σ 参数， 计算第二 最优模型； 以所述第二 最优模型预测复杂地形气象数据。 2.根据权利要求1所述的复杂地形气象数据 预测方法， 其特征在于， 所述通过所述第 一 最优模型计算每一第二 地理单元的第二温度数据集的方法包括： 将第一地理单元划分为若干第 二地理单元， 所述第 二地理单元映射模拟的气象站分布 位置， 以第一地理单元 的实测温度数据为基准， 根据所述第一最优模型计算每一第二地理 单元的预测温度数据， 即为所述第二温度数据集。 3.根据权利要求1或2所述的复杂地形气象数据预测方法， 其特征在于， 所述实测温度 数据为第一 地理单元区域内同一海拔， 同一时间下获取的温度数据。 4.根据权利要求2所述的复杂地形气象数据 预测方法， 其特征在于， 以海拔经验模型计 算每一第二 地理单元的第三温度数据集的方法包括： 以第一地理单元的气象站海拔数据为基准， 计算基于海拔的对应温度增减数据， 建立 第二地理单元上的海拔数据与温度数据之 间的关系， 获取每一第二地理单元的每个海拔点 上的温度增减数据， 得到第三温度数据集。 5.根据权利要求1所述的复杂地形气象数据 预测方法， 其特征在于， 将所述第 一温度数 据集和处理后的NDVI数据作为训练数据， 使用多项式回归模型进行训练， 得到NDVI数据和 温度增减值的第一 最优模型的方法包括： 所述第一温度数据集为多次实测同一海拔、 同一时间中的多个温度数据， 实测后得到 的温度数据减去每次实测温度的平均值的温度数据集 合； 将第一温度数据集和处理后的NDVI数据作为总数据集， 分为训练数据集， 验证数据集 和测试数据集， 使用多项式回归模型拟合所述空间卷积操作之后的NDV I数据和温度增减数 据的回归方程； 用训练数据集和验证数据集， 以高斯权重滤波公式中的σ 值和高斯核半径R和作为超参 数， 使用交叉验证的方式和网格搜索的方法训练超参数； 以多项式回归模型的degree参数， 训练出N个模型， 使用测试数据集进行模型泛化验 证， 得到误差最小的所述第一 最优模型。 6.根据权利要求5所述的复杂地形气象数据 预测方法， 其特征在于， 使用测试数据集进权　利　要　求　书 1/2 页 2 CN 113821987 B 2行模型泛化验证， 得到误差最小的所述第一 最优模型的方法包括： 其中， Yi是温度实测值， Yi ′是线性回归计算的温度值， N是样点数， 通过分析RMSE 的值 调整模型精度， 得到多 项式回归的第一 最优模型。 7.根据权利要求2所述的复杂地形气象数据 预测方法， 其特征在于， 所述计算第 二最优 模型的方法还 包括： 实地测量每个所述第二地理单元中心点的数据， 得到实测温度数据， 以高斯滤波权重 滤波器作为卷积核， 对所述第四温度数据集进行空间卷积 操作； 使用高斯权重滤波空间卷积的方法， 将σ 值和高斯核半径R作为超参数调参， 使用测试 数据集评估误差， 误差最小的作为 最优模型。 8.一种复杂地形气象数据预测系统， 其特 征在于， 包括： 数据采集单元， 用于获取第一地理单元的NDVI数据和第 一地理单元对应的温度增减数 据， 为第一温度数据集； 第一最优模型计算单元， 以高斯权重滤波器作为卷积核， 对NDVI数据进行空间卷积操 作， 得到处 理后的NDVI数据； 将所述第一温度数据集和处理后的NDVI数据作为训练数据， 使用多项式回归分析方法 训练模型， 得到NDVI和温度的拟合方程作为第一 最优模型； 第二温度数据集计算单元， 通过对第一地理单元栅格化获得第二地理单元， 以第一地 理单元的气象站温度数据为基准， 通过所述第一最优模型计算每一第二地理单元的第二温 度数据集； 第四温度数据集计算单元， 以第一地理单元的气象站海拔数据为基准， 以海拔经验模 型计算每一第二地理单元的第三温度数据集， 叠加所述第二温度数据集和所述第三温度数 据集， 得到第四温度数据集； 第二最优模型计算单元， 获取第一地理单元下的每一第二地理单元的实测温度数据， 以高斯权重滤波器作为卷积核对所述第四温度数据集进行 空间卷积操作， 计算第二最优模 型； 温度数据输出 单元， 以所述第二 最优模型预测复杂地形气象数据。 9.一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， 该程序被处理器执 行时实现权利要求1 ‑7任意一项所述的复杂地形气象数据预测方法。 10.一种复杂地形气象数据预测装置， 其特征在于， 其包括至少一个处理器， 至少一个 计算机可读存储介质和至少一个显示屏， 所述显示屏显示处理器根据权利要求1 ‑7任一所 述复杂地形气象数据预测方法处 理并输出的复杂地形气象数据。权　利　要　求　书 2/2 页 3 CN 113821987 B 3