买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆舍特气象应用研究所有限责任公司申请的专利一种基于复杂地形风场数据的气象预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119355843B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411328738.0，技术领域涉及：G01W1/10；该发明授权一种基于复杂地形风场数据的气象预测方法及系统是由周浩;骆琪;袁令设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种基于复杂地形风场数据的气象预测方法及系统在说明书摘要公布了：本发明公开了一种基于复杂地形风场数据的气象预测方法及系统，涉及气象预报技术领域，包括获取测风数据，对测风数据进行溯源，获取测风站位置信息，获取区域地理数据，根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据。本发明通过对测风站数据时间段内的异常数据进行去除，确保了数据的可靠性和准确性，通过测风站位置指数，对过于集中的测风站进行去除，确保了测风站位置分布均匀，通过将测风站的误差引入到低空风场的神经网络模型建模的损失函数中，使得降尺度后低空风场在测风站处的分布更加合理，通过风速修正系数，确保了气象预测的准确度，降低了复杂地形对气象预测结果的偏差影响。

本发明授权一种基于复杂地形风场数据的气象预测方法及系统在权利要求书中公布了：1.一种基于复杂地形风场数据的气象预测方法，其特征在于，包括： 获取测风数据，所述测风数据包括区域风向信息和区域风速数据； 对测风数据进行溯源，获取测风站位置信息； 获取区域地理数据，所述区域地理数据包括区域海拔信息和区域地形特征信息； 根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据； 基于WRF区域气象模型，对测风处理数据进行动力降尺度，获取降尺度风场基础数据； 对降尺度风场基础数据和测风处理数据进行分析，判断降尺度风场基础数据是否符合标准，若否，则重新对测风处理数据进行动力降尺度，若是，则根据测风处理数据，获取测风特征数据； 将测风特征数据输入神经网络U-Net进行迭代训练，获取低空风场降尺度模型； 基于低空风场降尺度模型，对测风处理数据进行降尺度，获取低空风场数据； 根据低空风场数据和区域地理数据，获取气象预测信息，所述气象预测信息包括风速信息和风向信息； 所述根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据，具体包括： 根据区域地理数据和测风站位置信息，获取测风站地理影响信息，所述测风站地理影响信息包括测风站地理影响区域信息和该区域内的地理数据； 获取测风站历史数据，所述测风站历史数据包括该测风站测量的风速数据、风向信息和摩擦速度； 根据测风站历史数据，获取测风站地表粗糙度； 基于测风站地理影响信息，获取测风站标准地表粗糙度； 根据测风站地表粗糙度和测风站标准地表粗糙度，获取测风站数据时间段； 对每个测风站的每个测风站数据时间段内的风速进行分析，若风速异常，则对该测风站数据时间段的测风数据进行去除； 将测风站地表粗糙度最小的测风站作为初始测风站； 以初始测风站为基准，根据测风站位置信息，对测风站进行分类，获取测风站分类信息，所述测风站分类信息包括初始测风站、基础测风站和辅助测风站； 对辅助测风站进行评估，获取测风站位置指数； 根据测风站位置指数，对辅助测风站进行筛选； 根据筛选后的辅助测风站、初始测风站和基础测风站的测风数据，获取测风处理数据； 其中，所述测风站地表粗糙度的计算公式为： ， 式中，为测风站地表粗糙度，为第x个测风站的风速，为摩擦速度，为第x个测风站风速测量位置与地面的垂直距离，k为凯尔文常数且； 所述根据测风站位置指数，对辅助测风站进行筛选，具体包括： 以初始测风站为基准，对测风站进行连接直至测风站可测量区域覆盖整个测风需求区域，获取测风站分布方案信息； 根据测风站分布方案信息，选取出连接的测风站数量最小的测风站分布方案，获取测风站基础分布信息； 其中测风站基础分布信息包括初始测风站信息和基础测风站信息； 根据测风站基础分布信息，对测风站进行分类，获取测风站分类信息； 根据测风站分类信息，对辅助测风站进行评估，获取测风站位置指数； 基于区域风场实际测量需求，获取测风站位置指数阈值； 根据测风站位置指数和测风站位置指数阈值，判断该辅助测风站是否符合测量需求，若测风站位置指数低于测风站位置指数阈值，则该辅助测风站不符合测量需求，对该辅助测风站的测风数据进行去除，若测风站位置指数高于测风站位置指数阈值，则该辅助测风站符合测量需求； 其中，测风站位置指数的计算公式为： 式中，为测风站位置指数，为与第x个辅助测风站可测量区域重叠的第g个基础测风站的测风站地表粗糙度，为第x个辅助测风站可测量区域与第g个基础测风站可测量区域的重叠区域面积，n为与第x个辅助测风站可测量区域重叠的基础测风站总数； 所述将测风特征数据输入神经网络U-Net进行迭代训练，获取低空风场降尺度模型，具体包括： 对测风特征数据进行归一化，获取测风特征数据集； 将测风特征数据集分为训练集和测试集，对神经网络U-Net之中进行迭代训练，获取神经网络训练信息，所述神经网络训练信息包括神经网络的损失函数波动数据； 根据神经网络训练信息，对卷积核数量、激活函数、迭代次数、学习率、损失函数的加权系数和正则化约束进行调整； 其中，损失函数具体为： 式中，Loss为联合损失函数，为降尺度风场基础数据约束的权重，为测风处理数据约束的权重，为降尺度风场基础数据量，为测风处理数据量，为第i个降尺度风场基础数据的神经网络输出值，为第i个降尺度风场基础数据实际值，为第j个测风处理数据的神经网络输出值，为第i个测风处理数据实际值； 所述根据低空风场数据和区域地理数据，获取气象预测信息，具体包括： 获取历史气象数据和历史测风数据，所述历史气象数据为低空气象信息，包括低空风速信息和风向信息； 对历史测风数据进行数据处理，获取历史测风处理数据； 根据低空风场降尺度模型，对历史测风处理数据进行气象预测，获取历史低空风场数据； 根据历史低空风场数据，基于可视化处理，获取历史低空风场图； 根据历史低空风场图，以正北方向为正方向，获取历史低空风向角信息； 根据历史低空风场数据和历史气象数据，获取历史风速差异数据； 根据历史风速差异数据和历史低空风向角信息，基于线性回归方程，获取风速修正系数； 根据风速修正系数和低空风场数据，获取气象预测信息； 其中，气象预测风速为： 式中，为气象预测风速，为神经网络输出的低空风场风速，为风速修正系数，为风速非线性修正系数，为风向角。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆舍特气象应用研究所有限责任公司，其通讯地址为：400000 重庆市九龙坡区石桥铺陈家坪气象局内；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。