预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共24页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115293410A(43)申请公布日2022.11.04(21)申请号202210861686.8(22)申请日2022.07.20(71)申请人中科三清科技有限公司地址100193北京市海淀区东北旺西路8号院36号楼5层523室(72)发明人黄铜(74)专利代理机构北京英创嘉友知识产权代理事务所(普通合伙)11447专利代理师贺晓蕾(51)Int.Cl.G06Q10/04(2012.01)G06K9/62(2022.01)权利要求书3页说明书15页附图5页(54)发明名称气温预测方法、装置、存储介质及电子设备(57)摘要本公开涉及一种气温预测方法、装置、存储介质及电子设备,该气温预测方法通过根据该经纬度和该地形特征信息确定待测时间段内的待定气温预测结果,根据待测区域在该待测时间段内的天气状况特征数据和该待定气温预测结果通过预先训练的气温预测模型确定目标气温预测结果,再根据该目标气温预测结果确定该待测时间段内该待测区域的目标预测气温。这样,通过气温预测模型根据待测区域的地形特征信息以及天气状况特征数据确定目标气温预测结果,能够有效提升目标预测气温的准确性,并且由于充分考虑到了小地形因子和天气状况对气温的影响,因此能够有效满足小气候资源调查和精细农业对气温预测的需求。CN115293410ACN115293410A权利要求书1/3页1.一种气温预测方法,其特征在于,所述方法包括:获取待测区域的经纬度和地形特征信息;根据所述经纬度和所述地形特征信息确定待测时间段内的待定气温预测结果;获取所述待测区域在所述待测时间段内的天气状况特征数据;将所述天气状况特征数据和所述待定气温预测结果输入预先训练的气温预测模型,以获取所述气温预测模型输出的目标气温预测结果,其中,所述气温预测模型包括多个弱分类器,不同的所述弱分类器用于根据不同维度的特征数据进行气温预测;根据所述目标气温预测结果确定所述待测时间段内所述待测区域的目标预测气温。2.根据权利要求1所述的方法,其特征在于,所述地形特征信息包括所述待测区域的海拔高度、坡度和坡向,所述根据所述经纬度和所述地形特征信息确定待测时间段内的待定气温预测结果,包括:根据所述经纬度和所述海拔高度通过预设回归函数确定基础气温预测结果;根据所述经纬度确定平面太阳辐射量;根据所述经纬度、所述坡度和所述坡向确定所述待测时间段内的坡面太阳辐射量;根据所述平面太阳辐射量和所述坡面太阳辐射量对所述基础气温预测结果进行修正,以得到所述待测时间段内的所述待定气温预测结果。3.根据权利要求1所述的方法,其特征在于,所述天气状况特征数据包括降水量、风速和湿度,所述多个弱分类器包括降水量维度对应的第一随机森林分类器,风速维度对应的第二随机森林分类器,湿度维度对应的第三随机森林分类器以及预测结果维度对应的第四随机森林分类器;所述第一随机森林分类器,用于根据所述天气状况特征数据中的所述降水量预测所述待测时间段对应的第一气温预测结果;所述第二随机森林分类器,用于根据所述天气状况特征数据中的所述风速预测所述待测时间段对应的第二气温预测结果;所述第三随机森林分类器,用于根据所述天气状况特征数据中的所述湿度预测所述待测时间段对应的第三气温预测结果;所述第四随机森林分类器,用于根据所述待定气温预测结果预测所述待测时间段对应的第四气温预测结果。4.根据权利要求3所述的方法,其特征在于,所述将所述天气状况特征数据和所述待定气温预测结果输入气温预测模型,以获取所述气温预测模型输出的目标气温预测结果,包括:将所述天气状况特征数据和所述待定气温预测结果同时输入所述第一随机森林分类器、所述第二随机森林分类器,所述第三随机森林分类器和所述第四随机森林分类器,以获取第一随机森林分类器输出的第一气温预测结果,所述第二随机森林分类器输出的第二气温预测结果,所述第三随机森林分类器输出的第三气温预测结果,以及所述第四随机森林分类器输出的第四气温预测结果;获取所述第一随机森林分类器、所述第二随机森林分类器、所述第三随机森林分类器和所述第四随机森林分类器对应的目标权重;根据所述目标权重对所述第一气温预测结果、所述第二气温预测结果、所述第三气温2CN115293410A权利要求书2/3页预测结果和所述第四气温预测结果进行加权求和,以得到所述目标气温预测结果。5.根据权利要求1所述的方法,其特征在于,所述气温预测模型通过以下方式训练得到:获取所述待测区域在多个预设历史时间段内的多组样本数据,每组所述样本数据中包括降水量样本数据、风速样本数据、湿度样本数据和所述预设历史时间段内的待定气温预测结果,以及所述样本数据的标注数据;以所述多组样本数据为模型训练数据对预设Adaboost模型进行训练,以得到所述气温预测模型