公开(公告)号：CN116432032A

公开(公告)日：2023-07-14

申请号：CN202310400212.8

申请日：2023-04-12

Applicant: 湖北省气象信息与技术保障中心

Inventor： 刘莹 ,  闫荞荞 ,  刘园园 ,  王星宇 ,  王海军 ,  李波 ,  刘梦雨 ,  匡晓为 ,  严婧 ,  孙越 ,  杨宏谦

IPC: G06F18/214 ,  G06F18/243 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明提供了一种基于多源数据和机器学习的气象数据异常事件识别方法。在进行地面气象数据质量异常事件的识别时，引入了地理信息数据、地面相关气象数据及累年气候标准值这些多源数据；利用当前站点及其周边邻近站的多源数据建立特征向量，使用两种机器学习算法构建气象要素偏差估计模型，计算站点各气象要素值的偏差序列，并通过统计方法得到站点各气象要素的平均偏差、偏差标准差、日评估因子、持续时间等事件统计特征；通过对事件统计特征的分析，构建质量异常事件划分指标，进而确定异常事件类型，达到识别气象数据质量异常事件的目的，可对地面气象数据长期质量问题进行实时监测，对提升地面气象数据质量和促进气象站点仪器维护具有较好的支撑作用。