一种基于人工智能模型的气象要素预报方法

本发明公开了一种基于人工智能模型的气象要素预报方法，包括以下步骤：首先，从地面气象站、探空站、气象卫星、天气雷达、微波辐射计多种数据源收集气象数据，这些数据包括温度、湿度、风速、风向、气压、降水量等关键要素，系统采用数据清洗和转换技术，去除异常值和填补缺失数据，确保数据质量，并将原始数据转换为适用于机器学习算法的特征向量，最后基于机器学习算法计算获得高时空分辨率的气象要素预报产品。本发明中的学习模型采用到了CNN模型，CNN通过局部连接和权重共享的机制，减少了模型的参数数量，降低了计算成本，并提高了模型的泛化能力，可以实现高分辨率、高频次和长期趋势的温度预测，为人们提供更准确、更可靠的天气预报。