一种气象预测模型的生成方法、生成装置、生成系统及电子
设备
技术领域
背景技术
[0002] 随着人们对气象变化的关注度越来越高，气象预测技术不断发展，一些
气候预测模型也相继问世。但是，现有的气象预测模型多是基于卫星等大型的专业设备采集的气象数据进行人工分析而得，其周期长、气象数据的来源较为单一，而且容易受到人为因素的干扰，从而对气象预测模型的准确性产生影响。
发明内容
[0003] 本发明的发明目的是提供一种气象预测模型的生成方法、生成装置、生成系统及电子设备，其预测周期短、预测准确性高。
[0004] 为实现本发明的发明目的，本发明所采用的技术方案内容具体如下：
[0005] 本发明公开了一种气象预测模型的生成方法，包括如下步骤：
[0006] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电
力杆塔上的采集设备；
[0007] 利用所述历史观测图片的
属性信息、所述历史标准气象信息以及所述采集设备的地理
位置信息生成所述历史观测图片的标签；
[0008] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0009] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0010] 作为上述方案的优选，所述历史观测图片的属性信息包括所述历史观测图片的采集时间和所述采集设备的设备标识。
[0011] 作为上述方案的优选，利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签包括：
[0012] 将历史观测图片的采集时间作为每个历史观测图片的时间标签；
[0013] 在所述历史标准气象信息中查找与所述历史观测图片的采集时间相对应的气象信息，并将该气象信息作为所述历史观测图片的气象标签；
[0014] 在采集设备的设备标识与地理位置的对应关系中查找与所述历史观测图片的设备标识相对应的地理位置信息，并将该地理位置信息作为所述历史观测图片的地理标签；
[0015] 将所述历史观测图片的时间标签、气象标签以及地理标签作为所述历史观测图片的标签。
[0016] 作为上述方案的优选，所述历史标准气象图片的属性信息包括所述历史标准气象图片的拍摄时间和拍摄地点的位置信息。
[0017] 作为上述方案的优选，利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签包括：
[0018] 将所述历史标准气象图片的拍摄时间确定为所述历史标准气象图片的时间标签；
[0019] 在所述历史标准气象信息中查找与所述历史标准气象图片相对应的气象信息，并将该气象信息作为所述历史标准气象图片的气象标签；
[0020] 将所述历史标准气象图片的拍摄地点作为所述历史标准气象图片的地理标签；
[0021] 将所述历史标准气象图片的时间标签、气象标签以及地理标签作为所述历史标准气象图片的标签。
[0022] 作为上述方案的优选，利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型包括：
[0023] 对所述历史观测图片进行预处理；
[0024] 在所述历史标准气象图片中随机选择部分图片，并将选择的图片和所述历史标准图片的标签作为测试集；
[0025] 将剩余的所述历史标准气象图片、剩余的所述历史标准图片的标签、预处理后的所述历史观测图片以及所述历史观测图片的标签作为训练集；
[0026] 采用
深度神经网络的方法对训练集进行训练，得到初始气象预测模型；
[0027] 利用所述测试集对所述初始气象预测模型进行测试，当所述测试结果满足预测条件时，所述初始气象预测模型即为气象预测模型。
[0028] 作为上述方案的优选，对所述历史观测图片进行预处理包括对所述历史观测图片进行降噪处理、校正处理以及增强处理中的一种或几种。
[0029] 作为上述方案的优选，还包括利用所述气象预测模型进行气象预测的步骤，包括：
[0030] 获取所述采集设备的观测图片，并将其作为待预测图片；
[0031] 将所述待预测图片的采集时间作为所述待预测图片的时间标签；
[0032] 将所述采集设备的地理位置信息作为所述待预测图片的地理标签；
[0033] 将所述待预测图片的时间标签、地理标签以及所述待预测图片输入所述气象预测模型，得到气象预测结果。
[0034] 本发明还公开了一种气象预测模型的生成装置，包括获取模
块、第一生成模块、第二生成模块以及训练模块，所述获取模块用于获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；所述第一生成模块利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；所述第二生成模块利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；所述训练模块利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0035] 作为上述方案的优选，所述训练模块包括预处理单元、选择单元、确定单元、训练单元以及测试单元，所述预处理单元用于对所述历史观测图片进行预处理；所述选择单元用于在所述历史标准气象图片中随机模型选择部分图片，并将选择的图片和所述历史标准图片的标签作为测试集；所述确定单元用于将剩余的所述历史标准气象图片、剩余的所述历史标准图片的标签、预处理后的所述历史观测图片以及所述历史观测图片的标签作为训练集；所述训练单元用于采用深度神经网络的方法对训练集进行训练，得到初始气象预测模型；所述测试单元用于利用所述测试集对所述初始气象预测模型进行测试，当所述测试结果满足预测条件时，所述初始气象预测模型即为气象预测模型。
[0036] 本发明还公开了一种气象预测模型的生成系统，包括
控制器和所述的气象预测模型的生成装置，所述控制器控制所述气象预测模型的生成装置生成气象预测模型。
[0037] 本发明还公开了一种电子设备，包括
存储器、处理器、总线和通信
接口，并且所述存储器、处理器以及所述
通信接口通过所述总线相连接，并且所述存储器存储有用于生成气象预测模型的气象预测模型生成程序，并且处理器运行所述气象预测模型生成程序实现如下步骤：
[0038] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；
[0039] 利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；
[0040] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0041] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0042] 本发明还公开了一种计算机可读存储介质，其存储有用于生成气象预测模型的气象预测模型生成程序，该气象预测模型生成程序被处理器执行时实现如下步骤：
[0043] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；
[0044] 利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；
[0045] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0046] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0047] 与
现有技术相比，本发明的有益效果在于：
[0048] 本发明公开的气象预测模型的生成方法、生成装置、生成系统和存储介质等利用电力杆塔上的采集设备采集的历史观测图片、历史标准气象图片以及历史标准气象信息等生成所述气象预测模型，由于其利用了所述历史观测图片，同时统合考虑了观测时间、地理位置等信息对气象信息的影响，不仅使得生成d的所述气象预测模型具有较高的准确性；而且，其利用神经网络等方法进行所述气象预测模型的训练，降低了所述气象信息预测模型的生成周期，避免了人为因素的干扰，提升了所述气象预测模型的准确性；另外，其利用现有的电力杆塔作为采集设备的载体，降低了成本、且提高了电力杆塔的利用率。
[0049] 上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，可依照
说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳
实施例，并配合
附图，详细说明如下。
附图说明
[0050] 图1为本发明所述的气象预测模型的生成方法的流程示意图；
[0051] 图2为本发明所述的气象预测模型的生成装置的结构示意图；
[0052] 图3为本发明所述的电子设备的结构示意图；
[0053] 其中，图2和图3中的附图标记为：
[0054] 1、获取模块；2、第一生成模块；3、第二生成模块；4、训练模块；5、预处理单元；6、预处理单元；7、选择单元；8、确定单元；9、训练单元；10、测试单元。
具体实施方式
[0055] 为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下：
[0056] 实施例一
[0057] 如图1所示，本发明公开了一种气象预测模型的生成方法，包括如下步骤：
[0058] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；
[0059] 利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；
[0060] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0061] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0062] 在本实施例中，所述历史观测图片的属性信息包括所述历史观测图片的采集时间和所述采集设备的设备标识。
[0063] 在本发明中，所述历史标准气象信息包括时间信息和对应的气象信息，且气象信息包括阴晴、降雨量、降
雪量、
云量、
温度、空气湿度、
风速、风向、空气污染状况等。
[0064] 在本发明中，所述历史观测图片构成了观测
数据库，并且观测数据库中存储的数据包括历史观测图片、历史观测图片的采集时间以及采集设备的设备标识。而且，所述观测数据库的形成过程为：(1)采集设备定时采集观测图片；(2)采集设备自动或定时将采集的观测图片发送至存储设备；(3)存储设备对接收的观测图片进行解析，以获取观测图片的采集时间和采集设备的设备标识；(4)存储设备对观测图片、观测图片的采集时间以及采集设备的设备标识进行存储以形成观测数据库。
[0065] 作为进一步优选的方案，利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签包括：
[0066] (1)将历史观测图片的采集时间作为每个历史观测图片的时间标签。
[0067] 具体地，由于相同的气象信息在不同的采集时间会有差异，因此，观测设备采集的观测图片的内容不同，所以，为了提高生成的所述气象预测模型的准确性，针对每个所述历史观测图片都需要生成其时间标签。
[0068] (2)在所述历史标准气象信息中查找与所述历史观测图片的采集时间相对应的气象信息，并将该气象信息作为所述历史观测图片的气象标签。
[0069] 具体地，在所述历史标准气象信息中查找与所述历史观测图片的采集时间相同或相近的目标时间，并将该目标时间对应的气象信息作为所述历史观测图片的气象标签。
[0070] (4)在采集设备的设备标识与地理位置的对应关系中查找与所述历史观测图片的设备标识相对应的地理位置信息，并将该地理位置信息作为所述历史观测图片的地理标签。
[0071] 具体地，当所述采集设备安装到电力杆塔上后，即建立了所述电力杆塔与采集设备之间的对应关系，因此，可以将电力杆塔的经度、纬度作为所述采集设备的经度、纬度，而将所述采集设备的安装高度作为所述采集设备的海拔高度，以此得到所述采集设备的地理位置信息，从而使得设备标识与所述采集设备之间建立了对应关系、并将上述对应关系保存，因此，实际使用时，只需要在采集设备的设备标识与地理位置的对应关系中查找与所述历史观测图片的设备标识，即可获得所述历史观测图片的地理位置信息，并将该地理位置信息作为所述历史观测图片的地理标签。而且，由于不同位置的气象特征不同，因此，为提高生成的所述气象预测模型的准确性，需要生成所有历史观测图片的地理标签，以获取足够数量的测试集和训练集。
[0072] (4)将所述历史观测图片的时间标签、气象标签以及地理标签作为所述历史观测图片的标签。
[0073] 需要说明的是，利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签包括的时间标签、气象标签以及地理标签形成的三个步骤可以互换、也可以同时进行。
[0074] 所述历史标准气象图片的属性信息包括所述历史标准气象图片的拍摄时间和拍摄地点的位置信息，且位置信息包括采集设备的经度、纬度以及海拔高度等。
[0075] 在本发明中，利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签包括：
[0076] (1)将所述历史标准气象图片的拍摄时间确定为所述历史标准气象图片的时间标签。
[0077] (2)在所述历史标准气象信息中查找与所述历史标准气象图片相对应的气象信息，并将该气象信息作为所述历史标准气象图片的气象标签；具体为，在历史标注气象信息中查找与历史标准气象图片的拍摄时间相同或相近的时间作为目标时间，并将该目标时间对应的气象信息作为标准气象图片的气象标签。
[0078] (3)将所述历史标准气象图片的拍摄地点作为所述历史标准气象图片的地理标签；
[0079] (4)将所述历史标准气象图片的时间标签、气象标签以及地理标签作为所述历史标准气象图片的标签。
[0080] 需要说明的是，利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签包括的时间标签、气象标签以及地理标签形成的三个步骤可以互换、也可以同时进行。
[0081] 在本发明中，利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型包括：
[0082] (1)对所述历史观测图片进行预处理，具体地，对所述历史观测图片进行预处理包括对所述历史观测图片进行降噪处理、校正处理以及增强处理中的一种或几种。
[0083] (2)在所述历史标准气象图片中随机选择部分图片，并将选择的图片和所述历史标准图片的标签作为测试集，具体地，可以预设从所述历史标准气象图片中随机选择部分图片的数量。
[0084] (3)将剩余的所述历史标准气象图片、剩余的所述历史标准图片的标签、预处理后的所述历史观测图片以及所述历史观测图片的标签作为训练集。
[0085] (4)采用深度神经网络的方法对训练集进行训练，得到初始气象预测模型。
[0086] (5)利用所述测试集对所述初始气象预测模型进行测试，当所述测试结果满足预测条件时，所述初始气象预测模型即为气象预测模型。
[0087] 具体地，将所述测试集中的历史标准气象图片和历史标准气象图片的地理标签输入所述初始气象预测模型进行训练测试，以得到相应的气象标签；然后，将得到的气象标签与测试集中所述历史标准气象图片的气象标签进行比对，得到预测正确的气象标签的个数；然后，利用预测正确的气象标签的个数和测试集中包括的气象标签的总个数，计算预测的准确率；当预测的准确率大于预设
阈值时，则认为测试结果满足预设条件，则此时的所述初始气象预测模型即为气象预测模型；当预测的准确率小于预设阈值时，则认为测试结果不满足预设条件，则重复步骤(4)和步骤(5)，直到测试结果满足预设条件，即可得到气象预测模型。
[0088] 作为进一步优选的方案，还包括利用所述气象预测模型进行气象预测的步骤，包括：：
[0089] 获取所述采集设备的观测图片，并将其作为待预测图片；
[0090] 将所述待预测图片的采集时间作为所述待预测图片的时间标签；
[0091] 将所述采集设备的地理位置信息作为所述待预测图片的地理标签；
[0092] 将所述待预测图片的时间标签、地理标签以及所述待预测图片输入所述气象预测模型，得到气象预测结果。
[0093] 实施例二
[0094] 本实施例提供一种气象预测模型的生成装置，如图2所示，所述气象预测模型的生成装置包括获取模块1、第一生成模块2、第二生成模块3以及训练模块4，所述获取模块1用于获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；所述第一生成模块2利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；所述第二生成模块3利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；所述训练模块4利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0095] 作为进一步优选的方案，所述训练模块4包括预处理单元5、选择单元6、确定单元7、训练单元8以及测试单元9，所述预处理单元5用于对所述历史观测图片进行预处理；所述选择单元6用于在所述历史标准气象图片中随机模型选择部分图片，并将选择的图片和所述历史标准图片的标签作为测试集；所述确定单元7用于将剩余的所述历史标准气象图片、剩余的所述历史标准图片的标签、预处理后的所述历史观测图片以及所述历史观测图片的标签作为训练集；所述训练单元8用于采用深度神经网络的方法对训练集进行训练，得到初始气象预测模型；所述测试单元9用于利用所述测试集对所述初始气象预测模型进行测试，当所述测试结果满足预测条件时，所述初始气象预测模型即为气象预测模型。
[0096] 实施例三
[0097] 本实施例提供一种气象预测模型的生成系统，包括控制器和所述的气象预测模型的生成装置，所述控制器控制所述气象预测模型的生成装置生成气象预测模型。
[0098] 在本实施例中，本发明还公开了一种电子设备，如图3所示，所述电子设备包括存储器10、处理器11、总线12和通信接口13，并且所述存储器10、处理器11以及所述通信接口13通过所述总线12连接，并且所述存储器10存储有用于生成气象预测模型的气象预测模型生成程序，并且处理器11运行所述气象预测模型生成程序实现如下步骤：
[0099] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；
[0100] 利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；
[0101] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0102] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型。
[0103] 具体地：(1)所述存储器可以包含高速
随机存取存储器(RAM：Random Access Memory)，也可以还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；(2)所述处理器可以是一种集成
电路芯片，具有
信号的处理能力。而在实现过程中，上述方法的各步骤可以通过处理器中的
硬件的集成
逻辑电路或者
软件形式的指令完成；处理器还可以是通用处理器，包括
中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是
数字信号处理器(DSP)、
专用集成电路(ASIC)、现成可编程
门阵列(FPGA)或者其他
可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件；(3)总线可以是ISA(英文：Industry Standard Architecture；中文：工业标准体系结构)总线、PCI(英文：Peripheral Component Interconnect；中文：外设部件互连标准)总线或EISA(英文：Extended Industry Standard Architecture；中文：扩展工业标准结构)总线等。
[0104] 本实施例还提供了一种计算机可读存储介质，其存储有用于生成气象预测模型的气象预测模型生成程序，该气象预测模型生成程序被处理器执行时实现如下步骤：
[0105] 获取历史观测图片、历史标准气象图片和历史标准气象信息，并且所述历史观测图片来源于位于电力杆塔上的采集设备；
[0106] 利用所述历史观测图片的属性信息、所述历史标准气象信息以及所述采集设备的地理位置信息生成所述历史观测图片的标签；
[0107] 利用所述历史标准气象图片的属性信息和所述历史标准气象信息生成所述历史标准气象图片的标签；
[0108] 利用所述历史观测图片、所述历史标准气象图片、所述历史观测图片的标签以及所述历史标准气象图片生成气象预测模型
[0109] 在本发明中，计算机可读存储介质包括但不限于
相变内存(PRAM)、静态随机存取存储器(SRAM)、
动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、
只读存储器(ROM)、
电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、
磁性存储介质，在此不再一一赘述。
[0110] 上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的
基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
