一种构建格点风速订正模型的方法及装置

摘要

本发明提供了一种构建格点风速订正模型的方法及装置，方法包括：获取各格点在历史时段的历史气象数据以及历史地貌数据；针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入气象特征提取模型，得到历史时段气象特征；针对每一格点，获取格点风速预测模型在各历史时段预报的格点历史风速预报结果；针对每一历史时段，获取格点历史风速预报结果及实际观测历史风速并计算格点历史时段误差；针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到格点风速订正模型。可以提升风速值预报的准确性。

权利要求

1.一种构建格点风速订正模型的方法，其特征在于，包括：获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果，每一格点风速预测模型在每一历史时段对应有一格点历史风速预报结果；

针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史时段误差；

针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到格点风速订正模型；

所述格点风速订正训练模型包括动作网络子模型以及价值网络子模型，所述针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到格点风速订正模型，包括：

针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差进行拼接，得到拼接数据；

将拼接数据输入动作网络子模型中的全连接特征层，得到各格点风速预测模型的训练权重；

将该历史时段的拼接数据以及训练权重输入价值网络子模型中的全连接特征层，得到各格点风速预测模型对预设历史预报时段的格点风速预报加权结果；

依据格点风速预报加权结果以及历史预报时段对应的格点风速实测值，计算价值损失，若价值损失大于预先设置的价值损失阈值，更新所述全连接特征层的参数，进行下一历史时段的训练，直至价值损失不大于价值损失阈值，得到格点风速订正模型；

所述方法还包括：

获取预报格点在当前时段的当前气象数据以及当前地貌数据；

将当前气象数据以及当前地貌数据进行拼接，输入预先训练好的气象特征提取模型，得到当前时段气象特征；

针对所述预报格点的各历史时段，获取所述预设数的格点风速预测模型对各历史时段进行预报的预报格点历史风速预报结果；

基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差；

将当前时段气象特征以及各模型误差输入格点风速订正模型的全连接特征层，得到各格点风速预测模型的预测权重；

获取所述预设数的格点风速预测模型基于当前时段分别进行预报的格点未来风速预报结果；

针对每一格点风速预测模型，计算该格点风速预测模型的格点未来风速预报结果与预测权重的乘积，基于各乘积得到所述预报格点的格点未来风速预报订正结果。

2.根据权利要求1所述的方法，其特征在于，所述基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差，包括：针对每一格点风速预测模型，计算一历史时段的预报格点历史风速预报结果以及实际历史风速的风速差值；

获取风速差值的平方和；

对各历史时段的平方和进行加权平均，得到所述格点风速预测模型的模型误差。

3.根据权利要求1或2所述的方法，其特征在于，所述气象特征提取模型包括：气象特征提取网络以及全局池化网络，所述将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征，包括：针对每一历史时段，将该历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取网络，得到历史气象初始特征；依据全局池化网络对历史气象初始特征进行全局池化处理，得到历史时段气象特征。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：对历史地貌数据进行双线性插值处理，以使历史地貌数据的尺寸与历史气象数据的尺寸相同；

对历史气象数据以及插值处理后的历史地貌数据分别进行标准化、正则化处理。

5.根据权利要求1或2所述的方法，其特征在于，所述历史气象数据包括：地面温度数据、地面湿度数据、风速U分量数据和风速V分量数据，历史地貌数据包括：地形数据、地物数据和太阳高度角数据。

6.一种构建格点风速订正模型的装置，其特征在于，包括：数据获取模块，用于获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

特征提取模块，用于针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

预报结果获取模块，用于针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果；

误差计算模块，用于针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史时段误差；

风速订正模块，用于针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到格点风速订正模型；

风速订正模块包括：

拼接单元，用于针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差进行拼接，得到拼接数据；

权重参数获取单元，用于将拼接数据输入动作网络子模型中的全连接特征层，得到各格点风速预测模型的训练权重；

加权结果获取单元，用于将该历史时段的拼接数据以及训练权重输入价值网络子模型中的全连接特征层，得到各格点风速预测模型对预设历史预报时段的格点风速预报加权结果；

模型确定单元，用于依据格点风速预报加权结果以及历史预报时段对应的格点风速实测值，计算价值损失，若价值损失大于预先设置的价值损失阈值，更新所述全连接特征层的参数，进行下一历史时段的训练，直至价值损失不大于价值损失阈值，得到格点风速订正模型；

风速预报模块，用于获取预报格点在当前时段的当前气象数据以及当前地貌数据；

将当前气象数据以及当前地貌数据进行拼接，输入预先训练好的气象特征提取模型，得到当前时段气象特征；

针对所述预报格点的各历史时段，获取所述预设数的格点风速预测模型对各历史时段进行预报的预报格点历史风速预报结果；

基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差；

将当前时段气象特征以及各模型误差输入格点风速订正模型的全连接特征层，得到各格点风速预测模型的预测权重；

获取所述预设数的格点风速预测模型基于当前时段分别进行预报的格点未来风速预报结果；

针对每一格点风速预测模型，计算该格点风速预测模型的格点未来风速预报结果与预测权重的乘积，基于各乘积得到所述预报格点的格点未来风速预报订正结果。

7.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的构建格点风速订正模型的方法的步骤。

8.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的构建格点风速订正模型的方法的步骤。

说明书

一种构建格点风速订正模型的方法及装置

技术领域

[0001] 本发明涉及气象预报技术领域，具体而言，涉及一种构建格点风速订正模型的方法及装置。

背景技术

[0002] 格点风速是人们根据实时观测风速数据与大气物理模型，对固定步幅的经纬度风速情况进行计算的结果。格点风速预测是气象预测中的一个重要分支，对人们日常生活、工
农业生产等都有极为重要的影响。但由于格点风速预测涉及大气物理学模型以及众多的气
象因素，各物理量与地理环境之间的相互作用关系十分复杂，因此，目前针对大气物理学模
型，例如，国家气象中心(NMC，National Meteorological Center)、欧洲气象中心（EC，
European Centre）等格点风速预测模型的格点风速预测，由于各大气物理学模型考虑的气
象因素不同，采用的算法不同，会存在这样或那样的缺陷，使得单一的大气物理学模型预报
的格点风速准确性较低。

发明内容

[0003] 有鉴于此，本发明的目的在于提供构建格点风速订正模型的方法及装置，以提高风速值的预报准确性。

[0004] 第一方面，本发明实施例提供了构建格点风速订正模型的方法，包括：

[0005] 获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

[0006] 针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

[0007] 针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果；

[0008] 针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史时段误差；

[0009] 针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进
行训练，得到格点风速订正模型。

[0010] 结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述格点风速订正训练模型包括动作网络子模型以及价值网络子模型，所述针对每一历史时
段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史
误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到格点风速订正
模型，包括：

[0011] 针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差进行拼接，得到拼接数据；

[0012] 将拼接数据输入动作网络子模型中的全连接特征层，得到各格点风速预测模型的训练权重；

[0013] 将该历史时段的拼接数据以及训练权重输入价值网络子模型中的全连接特征层，得到各格点风速预测模型对预设历史预报时段的格点风速预报加权结果；

[0014] 依据格点风速预报加权结果以及历史预报时段对应的格点风速实测值，计算价值损失，若价值损失大于预先设置的价值损失阈值，更新所述全连接特征层的参数，进行下一
历史时段的训练，直至价值损失不大于价值损失阈值，得到格点风速订正模型。

[0015] 结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述方法还包括：

[0016] 获取预报格点在当前时段的当前气象数据以及当前地貌数据；

[0017] 将当前气象数据以及当前地貌数据进行拼接，输入预先训练好的气象特征提取模型，得到当前时段气象特征；

[0018] 针对所述预报格点的各历史时段，获取所述预设数的格点风速预测模型对各历史时段进行预报的预报格点历史风速预报结果；

[0019] 基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差；

[0020] 将当前时段气象特征以及各模型误差输入格点风速订正模型的全连接特征层，得到各格点风速预测模型的预测权重；

[0021] 获取所述预设数的格点风速预测模型基于当前时段分别进行预报的格点未来风速预报结果；

[0022] 针对每一格点风速预测模型，计算该格点风速预测模型的格点未来风速预报结果与预测权重的乘积，基于各乘积得到所述预报格点的格点未来风速预报订正结果。

[0023] 结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述基于各历史时段的预报格点历史风速预报结果与实际历史风
速，计算各格点风速预测模型的模型误差，包括：

[0024] 针对每一格点风速预测模型，计算一历史时段的预报格点历史风速预报结果以及实际历史风速的风速差值；

[0025] 获取风速差值的平方和；

[0026] 对各历史时段的平方和进行加权平均，得到所述格点风速预测模型的模型误差。

[0027] 结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所
述气象特征提取模型包括：气象特征提取网络以及全局池化网络，所述将同一历史时段的
历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的
历史时段气象特征，包括：

[0028] 针对每一历史时段，将该历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取网络，得到历史气象初始特征；依据全局池化网络对历史气象初始特
征进行全局池化处理，得到历史时段气象特征。

[0029] 结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所
述方法还包括：

[0030] 对历史地貌数据进行双线性插值处理，以使历史地貌数据的尺寸与历史气象数据的尺寸相同；

[0031] 对历史气象数据以及插值处理后的历史地貌数据分别进行标准化、正则化处理。

[0032] 结合第一方面、第一方面的第一种可能的实施方式至第三种可能的实施方式中的任一种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，所
述历史气象数据包括：地面温度数据、地面湿度数据、风速U分量数据和风速V分量数据，历
史地貌数据包括：地形数据、地物数据和太阳高度角数据。

[0033] 第二方面，本发明实施例还提供了一种构建格点风速订正模型的装置，包括：

[0034] 数据获取模块，用于获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

[0035] 特征提取模块，用于针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

[0036] 预报结果获取模块，用于针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果；

[0037] 误差计算模块，用于针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史
时段误差；

[0038] 风速订正模块，用于针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点
风速订正训练模型进行训练，得到格点风速订正模型。

[0039] 第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实
现上述方法的步骤。

[0040] 第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。

[0041] 本发明实施例提供的构建格点风速订正模型的方法及装置，通过获取各格点在预设历史时段的历史气象数据以及历史地貌数据；针对每一格点，将同一历史时段的历史气
象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时
段气象特征；针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历
史风速预报结果；针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观
测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史时段误差；针
对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时
段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训练模型进行训练，得到
格点风速订正模型。这样，通过构建格点风速订正模型，对多个格点风速预测模型进行权重
分析，从而对格点风速预测模型的输出结果进行融合订正，能够有效提升风速值的预报准
确性。

[0042] 为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

[0043] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对
范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这
些附图获得其他相关的附图。

[0044] 图1示出了本发明实施例所提供的构建格点风速订正模型的方法流程示意图；

[0045] 图2示出了本发明实施例所提供的构建格点风速订正模型的装置结构示意图；

[0046] 图3为本申请实施例提供的一种计算机设备300的结构示意图。

具体实施方式

[0047] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅
是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实
施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的
实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实
施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所
有其他实施例，都属于本发明保护的范围。

[0048] 本发明实施例提供了一种构建格点风速订正模型的方法及装置，下面通过实施例进行描述。

[0049] 图1示出了本发明实施例所提供的构建格点风速订正模型的方法流程示意图。如图1所示，该方法包括：

[0050] 步骤101，获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

[0051] 本发明实施例中，格点是指包含一定范围的区域，在该区域内，可能包含有一个或多个观测站点，若格点内包含多个观测站点，作为一可选实施例，则该格点的历史气象数据
可以为各观测站点的历史气象数据的加权平均值。

[0052] 本发明实施例中，对于每一格点，在每一历史时段，对应一历史气象数据，而对于历史地貌数据，可以是多个历史时段对应一历史地貌数据，也可以是一个历史时段对应一
历史地貌数据。作为一可选实施例，历史时段与目前的格点风速预测模型的预测时段相一
致，例如，预测时段是三点、六点，则历史时段也选取三点、六点。

[0053] 本发明实施例中，作为一可选实施例，历史气象数据包括：地面温度数据、地面湿度数据、风速U分量数据和风速V分量数据，历史地貌数据包括：地形数据、地物数据和太阳
高度角数据。

[0054] 本发明实施例中，由于历史气象数据与历史地貌数据可能由不同的气象数据采集设备进行采集得到，尺寸可能不同。因而，作为一可选实施例，该方法还包括：

[0055] 对历史地貌数据进行双线性插值处理，以使历史地貌数据的尺寸与历史气象数据的尺寸相同；

[0056] 对历史气象数据以及插值处理后的历史地貌数据分别进行标准化、正则化处理。

[0057] 本发明实施例中，作为一可选实施例，以历史气象数据的尺寸为基准，对尺寸与历史气象数据不同的历史地貌数据，进行双线性插值，使得插值后的历史地貌数据尺寸与历
史气象数据尺寸相同。例如，对于尺寸为HhhxWh的历史地貌数据，通过双线性插值的方法，将
尺寸变换为历史气象数据的尺寸HlhxWl。

[0058] 本发明实施例中，由于数据中包含的数据种类不同，为了便于对各种类数据进行统一处理，需要对各种类数据分别进行标准化、正则化处理。以地貌数据为例，分别对地形
数据、地物数据、太阳高度角数据进行标准化、正则化操作。

[0059] 本发明实施例中，作为一可选实施例，该方法还包括：

[0060] 针对每一格点的每一历史时段，对该格点的该历史时段的历史气象数据和历史地貌数据进行数据融合，得到历史数据集。

[0061] 本发明实施例中，对于每一格点，将同一历史时段的地面多模态的历史气象数据与历史地貌数据融合，得到历史数据集，每一格点的每一历史时段对应一历史数据集。例
如，对于某一个点的某一历史时段，将大小为TxHxW的历史气象数据与大小为CxHxW的历史
地貌数据进行叠加，获得大小为（T+C）xHxW的历史数据集，其中，T为历史气象数据包含的数
据种类数，H为历史气象数据宽度，W为历史气象数据长度，C为历史地貌数据包含的数据种
类数，HxW为数据的尺寸。例如，对于历史地貌数据，包含地形数据、地物数据、太阳高度角数
据，对应的数据种类数为3。

[0062] 步骤102，针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

[0063] 本发明实施例中，对于进行数据融合得到的历史数据集，将历史数据集输入气象特征提取模型，关于气象特征提取模型的训练，具体可参见相关技术文献，在此略去详述。

[0064] 本发明实施例中，历史时段气象特征包含有各种类数据的历史时段气象特征。例如，对于历史地貌数据，对应的历史时段气象特征包含：地形数据气象特征、地物数据气象
特征、太阳高度角数据气象特征。

[0065] 本发明实施例中，以历史时段为单位，将历史气象数据以及历史地貌数据输入气象特征提取模型。

[0066] 本发明实施例中，作为一可选实施例，气象特征提取模型包括：气象特征提取网络以及全局池化网络，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的
气象特征提取模型，得到该历史时段的历史时段气象特征，包括：

[0067] 针对每一历史时段，将该历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取网络，得到历史气象初始特征；依据全局池化网络对历史气象初始特
征进行全局池化处理，得到历史时段气象特征。

[0068] 本发明实施例中，气象特征提取网络为深度卷积网络，利用深度卷积网络对历史数据集（历史气象数据以及历史地貌数据）进行历史气象初始特征提取以及池化处理。

[0069] 本发明实施例中，作为一可选实施例，全局池化操作如下：CxWxH

[0070] 设输入特征为：X∈R   ,输出大小为：   ,计算方法如下：

[0071]

[0072] 其中，

[0073] Mi为第i种类数据的历史时段气象特征；

[0074] Xi，m，n为第i种类数据的第m行第n列的像素点的气象特征。

[0075] 步骤103，针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果；

[0076] 本发明实施例中，预设数可依据实际需要设置，作为一可选实施例，若格点风速预测模型分别为EC、NMC以及DL，相应地，预设数为3，则针对每一格点，获取三种不同格点风速
预测模型分别在各历史时段的格点历史风速预报结果。作为一可选实施例，格点历史风速
预报结果包括：风速U分量数据、风速V分量数据、时段数据。

[0077] 本发明实施例中，格点风速预测模型在历史时段的格点历史风速预报结果是指，该格点风速预测模型依据该历史时段前的历史气象数据，预报历史时段得到的风速预报结
果。

[0078] 步骤104，针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历史时段误差；

[0079] 本发明实施例中，不同的格点风速预测模型，在同一历史时段的格点历史时段误差，可能相同，也可能不同。假设格点大小为NxM，该格点包含NxM个观测站点，观测站点的横
纵坐标分别为x，y,该观测站点的实际观测历史风速为R(x，y)，该观测站点的格点历史风速
预报结果为P(x，y)，格点历史时段误差采用均方差，利用下式进行计算格点风速预测模型
在该格点的格点历史时段误差：

[0080]

[0081] 式中，

[0082] E为格点历史时段误差。

[0083] 步骤105，针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订正训
练模型进行训练，得到格点风速订正模型。

[0084] 本发明实施例中，格点风速订正训练模型包括动作网络子模型以及价值网络子模型，作为一可选实施例，针对每一历史时段，将该历史时段的历史时段气象特征以及各格点
风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格点风速订
正训练模型进行训练，得到格点风速订正模型，包括：

[0085] 针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差进行拼接，得到拼接数据；

[0086] 将拼接数据输入动作网络子模型中的全连接特征层，得到各格点风速预测模型的训练权重；

[0087] 将该历史时段的拼接数据以及训练权重输入价值网络子模型中的全连接特征层，得到各格点风速预测模型对预设历史预报时段的格点风速预报加权结果；

[0088] 依据格点风速预报加权结果以及历史预报时段对应的格点风速实测值，计算价值损失，若价值损失大于预先设置的价值损失阈值，更新所述全连接特征层的参数，进行下一
历史时段的训练，直至价值损失不大于价值损失阈值，得到格点风速订正模型。

[0089] 本发明实施例中，作为一可选实施例，各格点风速预测模型的训练权重之和为1。

[0090] 本发明实施例中，价值损失不大于预先设置的价值损失阈值对应的格点风速订正训练模型为格点风速订正模型。格点风速实测值可以从获取的历史气象数据中进行提取。
若价值损失大于预先设置的价值损失阈值，依据反向传播算法更新全连接特征层的参数，
然后，选取另一历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格
点历史误差进行拼接，对动作网络子模型以及价值网络子模型进行训练，如此循环。

[0091] 本发明实施例中，动作网络子模型中的全连接特征层与价值网络子模型中的全连接特征层的参数相同。

[0092] 本发明实施例中，在强化学习框架下，价值网络子模型的输出为奖励值，该奖励值对动作网络子模型的输出进行评价。作为一可选实施例，奖励值根据动作函数输出加权值，
计算最终预测结果与实际预测结果的误差取负。

[0093] 本发明实施例中，作为一可选实施例，在对动作网络子模型与价值网络子模型训练时，使用深度确定性策略梯度（DDPG，Deep Deterministic Policy Gradient）算法，使用
随机梯度下降（SGD，Stochastic Gradient Descent）优化器优化，对动作网络子模型与价
值网络子模型使用学习率分别为0.001，0.05，动作网络子模型与价值网络子模型更新权重
为0.9。

[0094] 本发明实施例中，作为一可选实施例，该方法还包括：

[0095] A11，获取预报格点在当前时段的当前气象数据以及当前地貌数据；

[0096] 本发明实施例中，若预报格点内包含有多个观测站点，则对多个观测站点测量得到的当前气象数据中的各种类数据分别进行平均，以及，对多个观测站点测量得到的当前
地貌数据中的各种类数据分别进行平均，得到该预报格点在当前时段的当前气象数据以及
当前地貌数据。

[0097] A12，将当前气象数据以及当前地貌数据进行拼接，输入预先训练好的气象特征提取模型，得到当前时段气象特征；

[0098] A13，针对所述预报格点的各历史时段，获取所述预设数的格点风速预测模型对各历史时段进行预报的预报格点历史风速预报结果；

[0099] 本发明实施例中，每一格点风速预测模型，在每一历史时段，对应有对该历史时段进行预报得到的一预报格点历史风速预报结果。

[0100] A14，基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差；

[0101] 本发明实施例中，作为一可选实施例，基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差，包括：

[0102] 针对每一格点风速预测模型，计算一历史时段的预报格点历史风速预报结果以及实际历史风速的风速差值；

[0103] 获取风速差值的平方和；

[0104] 对各历史时段的平方和进行加权平均，得到所述格点风速预测模型的模型误差。

[0105] 本发明实施例中，利用下式计算格点风速预测模型的模型误差：

[0106]

[0107] 式中，

[0108] 为格点风速预测模型的模型误差；

[0109] 为格点风速预测模型对第i个历史时段进行预报的预报格点历史风速预报结果；

[0110] 为第i个历史时段的实际历史风速；

[0111] 为历史时段数。

[0112] A15，将当前时段气象特征以及各模型误差输入格点风速订正模型的全连接特征层，得到各格点风速预测模型的预测权重；

[0113] A16，获取所述预设数的格点风速预测模型基于当前时段分别进行预报的格点未来风速预报结果；

[0114] A17，针对每一格点风速预测模型，计算该格点风速预测模型的格点未来风速预报结果与预测权重的乘积，基于各乘积得到所述预报格点的格点未来风速预报订正结果。

[0115] 本发明实施例中，各格点风速预测模型的预测权重之和为1，将各乘积进行求和，得到格点未来风速预报订正结果，若各格点风速预测模型的预测权重之和为其他值，将各
乘积进行求和后取平均值，得到格点未来风速预报订正结果。

[0116] 本发明实施例中，假设有t个格点风速预测模型，预报格点内包含有3x3个观测站点，设各格点风速预测模型基于当前时段进行预测，对应的格点未来风速预报结果分别为
M1,M2,…,Mt,，对应的预测权重分别为r1,r2,…,rt,，其中，某一格点风速预测模型对应的格
点未来风速预报结果的矩阵形式可以表示为：

[0117]

[0118] 式中，Mi为第i个格点风速预测模型对应的格点未来风速预报结果；

[0119] 为第i个格点风速预测模型在第k行第m列对应观测站点的未来风速预报结果。

[0120] 本发明实施例中，格点未来风速预报结果可以是各观测站点的未来风速预报结果的平均。

[0121] 本发明实施例中，对不同的格点风速预测模型的格点未来风速预报结果进行加权求和，可以得到预报格点的格点未来风速预报订正结果：

[0122]

[0123] 本发明实施例中，在多个现有格点风速预测模型的基础上，通过构建包含深度卷积网络的格点风速订正模型，利用多模态气象数据与各历史时段的格点历史误差构建训练
集，利用强化学习方法在训练集上对格点风速训练模型进行训练，在训练完成后，可以对多
个格点风速预测模型进行预测权重分析，从而对现有格点风速预测模型的输出结果进行融
合订正，无需要考虑格点风速预测模型本身的特点与特性，具有灵活性好﹑实时性高﹑智能
化﹑鲁棒性强，收敛能力好的特点，能够有效提升预报的风速值的准确性。

[0124] 为说明本发明实施例的订正效果，利用本发明实施例的方法，对华南地区地面2019年9月2020年7月上中旬0至24小时逐3小时格点风速进行预测，本发明实施例的方法，
相比于单个格点风速预测模型，预测性能有较大的提升。

[0125] 图2示出了本发明实施例所提供的构建格点风速订正模型的装置结构示意图。如图2所示，该装置包括：

[0126] 数据获取模块201，用于获取各格点在预设历史时段的历史气象数据以及历史地貌数据；

[0127] 本发明实施例中，作为一可选实施例，气象数据包括：地面温度数据、地面湿度数据、风速U分量数据和风速V分量数据，地貌数据包括：地形数据、地物数据和太阳高度角数
据。

[0128] 特征提取模块202，用于针对每一格点，将同一历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取模型，得到该历史时段的历史时段气象特征；

[0129] 本发明实施例中，历史时段气象特征包含有各种类数据的历史时段气象特征。

[0130] 本发明实施例中，作为一可选实施例，气象特征提取模型包括：气象特征提取网络以及全局池化网络，所述将同一历史时段的历史气象数据以及历史地貌数据输入预先训练
好的气象特征提取模型，得到该历史时段的历史时段气象特征，包括：

[0131] 针对每一历史时段，将该历史时段的历史气象数据以及历史地貌数据输入预先训练好的气象特征提取网络，得到历史气象初始特征；依据全局池化网络对历史气象初始特
征进行全局池化处理，得到历史时段气象特征。

[0132] 预报结果获取模块203，用于针对每一格点，获取预设数的格点风速预测模型在各历史时段预报的格点历史风速预报结果；

[0133] 误差计算模块204，用于针对每一历史时段，获取该历史时段的格点历史风速预报结果及实际观测历史风速，依据格点历史风速预报结果与实际观测历史风速，计算格点历
史时段误差；

[0134] 本发明实施例中，格点历史时段误差采用均方差。

[0135] 风速订正模块205，用于针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差，输入格点风速订正训练模型，对格
点风速订正训练模型进行训练，得到格点风速订正模型。

[0136] 本发明实施例中，作为一可选实施例，风速订正模块205包括：

[0137] 拼接单元（图中未示出），用于针对每一历史时段，将该历史时段的历史时段气象特征以及各格点风速预测模型在该历史时段的格点历史误差进行拼接，得到拼接数据；

[0138] 权重参数获取单元，用于将拼接数据输入动作网络子模型中的全连接特征层，得到各格点风速预测模型的训练权重；

[0139] 加权结果获取单元，用于将该历史时段的拼接数据以及训练权重输入价值网络子模型中的全连接特征层，得到各格点风速预测模型对预设历史预报时段的格点风速预报加
权结果；

[0140] 模型确定单元，用于依据格点风速预报加权结果以及历史预报时段对应的格点风速实测值，计算价值损失，若价值损失大于预先设置的价值损失阈值，更新所述全连接特征
层的参数，进行下一历史时段的训练，直至价值损失不大于价值损失阈值，得到格点风速订
正模型。

[0141] 本发明实施例中，作为一可选实施例，该装置还包括：

[0142] 风速预报模块（图中未示出），用于获取预报格点在当前时段的当前气象数据以及当前地貌数据；

[0143] 将当前气象数据以及当前地貌数据进行拼接，输入预先训练好的气象特征提取模型，得到当前时段气象特征；

[0144] 针对所述预报格点的各历史时段，获取所述预设数的格点风速预测模型对各历史时段进行预报的预报格点历史风速预报结果；

[0145] 基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差；

[0146] 将当前时段气象特征以及各模型误差输入格点风速订正模型的全连接特征层，得到各格点风速预测模型的预测权重；

[0147] 获取所述预设数的格点风速预测模型基于当前时段分别进行预报的格点未来风速预报结果；

[0148] 针对每一格点风速预测模型，计算该格点风速预测模型的格点未来风速预报结果与预测权重的乘积，基于各乘积得到所述预报格点的格点未来风速预报订正结果。

[0149] 本发明实施例中，作为一可选实施例，基于各历史时段的预报格点历史风速预报结果与实际历史风速，计算各格点风速预测模型的模型误差，包括：

[0150] 针对每一格点风速预测模型，计算一历史时段的预报格点历史风速预报结果以及实际历史风速的风速差值；

[0151] 获取风速差值的平方和；

[0152] 对各历史时段的平方和进行加权平均，得到所述格点风速预测模型的模型误差。

[0153] 本发明实施例中，作为另一可选实施例，该装置还包括：

[0154] 一致性处理模块，用于对历史地貌数据进行双线性插值处理，以使历史地貌数据的尺寸与历史气象数据的尺寸相同；

[0155] 对历史气象数据以及插值处理后的历史地貌数据分别进行标准化、正则化处理。

[0156] 本发明实施例中，对各种类数据分别进行标准化、正则化处理。以地貌数据为例，分别对地形数据、地物数据、太阳高度角数据进行标准化、正则化操作。

[0157] 如图3所示，本申请一实施例提供了一种计算机设备300，用于执行图1中的构建格点风速订正模型的方法，该设备包括存储器301、处理器302及存储在该存储器301上并可在
该处理器302上运行的计算机程序，其中，上述处理器302执行上述计算机程序时实现上述
构建格点风速订正模型的方法的步骤。

[0158] 具体地，上述存储器301和处理器302能够为通用的存储器和处理器，这里不做具体限定，当处理器302运行存储器301存储的计算机程序时，能够执行上述构建格点风速订
正模型的方法。

[0159] 对应于图1中的构建格点风速订正模型的方法，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运
行时执行上述构建格点风速订正模型的方法的步骤。

[0160] 具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述构建格点风速订正模型的方法。

[0161] 在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻
辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可
以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间
的耦合或直接耦合或通信连接可以是通过一些通信接口，系统或单元的间接耦合或通信连
接，可以是电性，机械或其它的形式。

[0162] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。

[0163] 另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

[0164] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说
对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计
算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个
人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。
而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read‑Only Memory， ROM）、随机存取
存储器（Random Access Memory ，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

[0165] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第
一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

[0166] 最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申
请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员
在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻
易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使
相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护
范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。