氣象數據處理方法和裝置制造方法及圖紙

本發明專利技術公開了一種氣象數據處理方法和裝置。其中，該方法包括：獲取中尺度時間序列氣象數據，根據中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據，將位于邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合，生成初始中心點，基于初始中心點使用聚類算法將向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件，確定進行分組處理之后得到的每個向量組的中心點。本發明專利技術解決了相關技術中直接運用大量中尺度氣象數據執行微尺度數據模擬運算量過大的技術問題。

Meteorological data processing method and apparatus

The invention discloses a meteorological data processing method and device. Among them, the method includes: acquiring scale time series of meteorological data, according to the meteorological data in the scale of time series lattice distribution to determine the micro level and the target area corresponding to the simulation area and the micro scale simulation of mesoscale time series of meteorological data on preset range boundaries or within the boundaries, in the scale of time series meteorological data preset range will be located in the boundary above or within the boundary of the conversion and according to preset order vectors that generate the initial center point, initial center point clustering algorithm used a vector set of packet processing and the multiple vector group effectiveness index meets the preset conditions based on the determined after the packet processing the center point of each vector group. The invention solves the technical problems that a large amount of mesoscale meteorological data is directly applied in the related technology to carry out microscale data and simulate excessive calculation.

【技術實現步驟摘要】
氣象數據處理方法和裝置
本專利技術涉及氣象數據處理領域，具體而言，涉及一種氣象數據處理方法和裝置。
技術介紹
近年來國內國外采用基于CFD(ComputationalFluidDynamics，計算流體動力學)數值模擬技術(或稱為微尺度數值模擬技術)進行風資源的評估取得了一定發展，由于基于CFD技術的風資源評估技術精度較高，因而其應用范圍逐漸擴大。但是到目前為止，這種技術存在如下缺陷：1、邊界條件按照定常、表面均勻的假定設定，不能適用于復雜地形；2、計算所用到的關鍵參量，例如，大氣邊界層參量等，都是主觀設定的，沒有實測數據基礎。以上缺陷均影響了CFD的計算精度，特別是在復雜地形條件下的計算結果的精度。近年來由于天氣預報技術和計算機技術的發展，計算機的運算能力大幅度提高，中尺度天氣預報模式得到迅速發展與廣泛應用。中尺度天氣預報模式是以觀測數據和背景場預測數據或再分析數據為基礎，通過同化和數值模擬生成規則格點數據的模式，所以具有觀測數據的基礎。用中尺度數值模擬的數據結果來構建微尺度數值模擬的邊界條件，可以使得微尺度數值模擬邊界條件具有實測數據基礎，因而是國際國內研究人員研究的課題。但是，由于中尺度數值模擬輸出的時間序列數據(通常不少于1年)數據量過于龐大，超出目前一般的計算機的運算能力，因此直接采用中尺度數值模擬的輸出數據作為微尺度的邊界條件(也即直接耦合方式)還不具有實用性。因此，如何根據大量的中尺度時間序列氣象數據執行微尺度數值模擬、成為必須要解決的問題。針對相關技術中直接運用大量中尺度氣象數據執行微尺度數據模擬運算量過大的技術問題，目前尚未提出有效的解決方案。
技術實現思路
本專利技術實施例提供了一種氣象數據處理方法和裝置，以至少解決相關技術中直接運用大量中尺度氣象數據執行微尺度數據模擬運算量過大的技術問題。根據本專利技術實施例的一個方面，提供了一種氣象數據處理方法，該方法包括：獲取中尺度時間序列氣象數據，其中，中尺度時間序列氣象數據是對背景場數據和實測數據執行同化和中尺度數值模擬之后得到的數據；根據中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據；將位于邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合；生成初始中心點；基于初始中心點使用聚類算法將向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件；確定進行分組處理之后得到的每個向量組的中心點，其中，中心點用于產生微尺度數值模擬邊界條件的向量。進一步地，根據中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域包括：在中尺度時間序列氣象數據的格點分布的地域上確定至少覆蓋目標區域的區域為微尺度水平模擬區域，其中，微尺度水平模擬區域為需要進行微尺度數值模擬的區域在水平面投影的矩形區域，微尺度水平模擬區域的邊界在預設地理坐標系統中滿足預設位置條件，且在微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據。進一步地，將位于邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合包括：將每個時點對應的在邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據轉換為一個向量，以得到向量集合。進一步地，生成初始中心點為在不同的大氣穩定度、不同的日間時段以及不同的季節的中尺度時間序列氣象數據中隨機產生。進一步地，中心點的分量屬性與對應的一個向量組中每個向量的分量屬性相同，其中，聚類算法用于提高中心點與對應的一個向量組中每個向量的相似度。進一步地，基于初始中心點使用聚類算法將向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件包括：根據聚類算法的分組結果計算有效性指標；判斷聚類算法的分組結果的有效性指標是否滿足預設條件，其中，有效性指標至少包括以下之一：每個向量組的相似度均值、每個向量組的相似度均方根偏差、任意兩個向量組的中心點之間的相似度。進一步地，在判斷聚類算法的分組結果的有效性指標是否滿足預設條件之后，該方法還包括：如果判斷出聚類算法的分組結果的有效性指標不滿足預設條件，則對多個向量組中不滿足預設條件的向量組進行合并或拆分以重新分組，并根據重新分組后的分組結果重新生成中心點；將重新生成的中心點作為初始中心點并使用聚類算法將向量集合進行分組處理直至分組結果的有效性指標滿足預設條件。進一步地，相似度為由兩個向量對應分量之間的正比例關系確定的標量。根據本專利技術實施例的另一方面，還提供了一種氣象數據處理裝置，該裝置包括：獲取單元，用于獲取中尺度時間序列氣象數據，其中，中尺度時間序列氣象數據是對背景場數據和實測數據執行同化和中尺度數值模擬之后得到的數據；第一確定單元，用于根據中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據；轉換單元，用于將位于邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合；生成單元，用于生成初始中心點；分組單元，用于基于初始中心點使用聚類算法將向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件；第二確定單元，用于確定進行分組處理之后得到的每個向量組的中心點，其中，中心點用于產生微尺度數值模擬邊界條件的向量。進一步地，第一確定單元包括：確定模塊，用于在中尺度時間序列氣象數據的格點分布的地域上確定至少覆蓋目標區域的區域為微尺度水平模擬區域，其中，微尺度水平模擬區域為需要進行微尺度數值模擬的區域在水平面投影的矩形區域，微尺度水平模擬區域的邊界在預設地理坐標系統中滿足預設位置條件，且在微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據。在本專利技術實施例中，通過獲取中尺度時間序列氣象數據，其中，中尺度時間序列氣象數據是對背景場數據和實測數據執行同化和中尺度數值模擬之后得到的數據；根據中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使微尺度水平模擬區域的邊界之上或邊界的預設范圍內存在中尺度時間序列氣象數據；將位于邊界之上或邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合；生成初始中心點；基于初始中心點使用聚類算法將向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件；確定進行分組處理之后得到的每個向量組的中心點，其中，中心點用于產生微尺度數值模擬邊界條件的向量，解決了相關技術中直接運用大量中尺度氣象數據執行微尺度數據模擬運算量過大的技術問題，進而實現了能夠根據中尺度氣象數據執行微尺度數值模擬的技術效果。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中：圖1是根據本專利技術實施例的一種可選的氣象數據處理方法的流程圖；圖2是根據本專利技術實施例的另一種可選的氣象數據處理方法的流程圖；圖3是根據本專利技術實施例的一種可選的預設區域的示意圖；圖4是根據本專利技術實施例的一種可選的氣象數據處理裝置的示意圖。具體實施方式為了使本
的人員更好地理解本專利技術方本文檔來自技高網...

【技術保護點】
一種氣象數據處理方法，其特征在于，包括：獲取中尺度時間序列氣象數據，其中，所述中尺度時間序列氣象數據是對背景場數據和實測數據執行同化和中尺度數值模擬之后得到的數據；根據所述中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使所述微尺度水平模擬區域的邊界之上或所述邊界的預設范圍內存在所述中尺度時間序列氣象數據；將位于所述邊界之上或所述邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合；生成初始中心點；基于所述初始中心點使用聚類算法將所述向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件；確定進行所述分組處理之后得到的每個向量組的中心點，其中，所述中心點用于產生微尺度數值模擬邊界條件的向量。

【技術特征摘要】
1.一種氣象數據處理方法，其特征在于，包括：獲取中尺度時間序列氣象數據，其中，所述中尺度時間序列氣象數據是對背景場數據和實測數據執行同化和中尺度數值模擬之后得到的數據；根據所述中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域并使所述微尺度水平模擬區域的邊界之上或所述邊界的預設范圍內存在所述中尺度時間序列氣象數據；將位于所述邊界之上或所述邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合；生成初始中心點；基于所述初始中心點使用聚類算法將所述向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件；確定進行所述分組處理之后得到的每個向量組的中心點，其中，所述中心點用于產生微尺度數值模擬邊界條件的向量。2.根據權利要求1所述的方法，其特征在于，根據所述中尺度時間序列氣象數據的格點分布確定與目標區域對應的微尺度水平模擬區域包括：在所述中尺度時間序列氣象數據的格點分布的地域上確定至少覆蓋所述目標區域的區域為所述微尺度水平模擬區域，其中，所述微尺度水平模擬區域為需要進行微尺度數值模擬的區域在水平面投影的矩形區域，所述微尺度水平模擬區域的邊界在預設地理坐標系統中滿足預設位置條件，且在所述微尺度水平模擬區域的邊界之上或所述邊界的預設范圍內存在所述中尺度時間序列氣象數據。3.根據權利要求1所述的方法，其特征在于，將位于所述邊界之上或所述邊界的預設范圍內的中尺度時間序列氣象數據進行轉換并按預設順序組成向量集合包括：將每個時點對應的在所述邊界之上或所述邊界的預設范圍內的中尺度時間序列氣象數據轉換為一個向量，以得到所述向量集合。4.根據權利要求1所述的方法，其特征在于，生成初始中心點為在不同的大氣穩定度、不同的日間時段以及不同的季節的中尺度時間序列氣象數據中隨機產生。5.根據權利要求1所述的方法，其特征在于，所述中心點的分量屬性與對應的一個向量組中每個向量的分量屬性相同，其中，所述聚類算法用于提高所述中心點與對應的一個向量組中每個向量的相似度。6.根據權利要求1所述的方法，其特征在于，基于所述初始中心點使用聚類算法將所述向量集合進行分組處理并使得到的多個向量組的有效性指標滿足預設條件包括：根據所述聚類算法的分組結果計算有效性指標；...

【專利技術屬性】
技術研發人員：彭濤，王東光，王建波，張敏，
申請(專利權)人：北京華風超越科技有限公司，
類型：發明
國別省市：北京,11