摘要
本发明提供一种基于机器学习的风场降尺度模拟预测系统及方法,其中,系统包括:第一预报数据获取子系统,用于获取低分辨率模式风场网格预报数据;实况数据获取子系统,用于获取实况数据;降尺度模型构建子系统,用于基于机器学习技术,构建降尺度模型;第二预报数据获取子系统,用于基于降尺度模型、根据低分辨率模式风场网格预报数据和实况数据进行降尺度订正,输出高分辨率模式风场网格预报数据。本发明的一种基于机器学习的风场降尺度模拟预测系统及方法,通过结合逐小时5公里分辨率的WRF模式输出优化调整WRF模式中的物理参数,历史数据和实时监测数据被用于动态调整WRF模式的参数,精细化预测风场,计算量也更小。
技术关键词
网格预报数据
监测站
风场
GBDT模型
模拟预测方法
动态仿真模型
机器学习技术
子系统
预测系统
梯度提升决策树
节点
WRF模型
WRF模式
离群点
风速
偏差
模板
样本
系统为您推荐了相关专利信息
水力平衡调节方法
建立网络拓扑
监测点
物联网设备
水力平衡调节系统
分子结构信息
非线性回归模型
电解液配方
XGBoost模型
拓扑图
空调系统优化控制
风冷空调系统
微压差传感器
气流
轮廓曲线
无人机航拍图像
图像分类模型
卫星遥感图像
分析方法
地面监测站