一种覆冰区变化的预测方法、系统、设备及存储介质与流程

本发明涉及覆冰区变化预测，尤其是涉及一种覆冰区变化的预测方法、系统、设备及存储介质。

背景技术：

1、在电力系统防灾减灾、交通线路运维、通信设施保障等领域，覆冰区的范围变化预测是制定防灾预案和调度决策的重要依据。覆冰区的形成与演变受到气温、降水等近地面气象条件的直接影响，同时也受到大尺度气候系统异常活动的间接调控。

2、在现有技术中，覆冰区预测方法主要基于单一气象要素的阈值判断，其核心思路是利用气温、降水、风速等近地面气象参数建立覆冰判定模型，并基于历史数据的统计规律对未来覆冰趋势进行外推。然而，这类方法普遍忽视了大气环流系统中各气候因子之间的内在关联对覆冰区变化的间接影响，例如高纬度地区的气候变异通过大气遥相关过程影响中低纬度的环流配置，进而改变覆冰形成所需的水热条件组合。这一问题导致了现有的预测方法难以解释和预测覆冰区向新区域扩展的趋势，也无法准确捕捉覆冰区范围逐年波动的特征，从而限制了覆冰区变化预测的准确性与时效性。

技术实现思路

1、本发明提供一种覆冰区变化的预测方法、系统、设备及存储介质，以解决因忽视大气环流系统中各气候因子之间的内在关联而导致难以准确预测覆冰区变化趋势的技术问题，以实现提高覆冰区变化预测的准确性、时效性及空间覆盖能力的效果。

2、为了解决上述技术问题，本发明实施例提供了一种覆冰区变化的预测方法，包括：

3、获取待预测区域的海冰密集度时序数据、极涡特征时序数据及协变量时序数据；

4、将所述协变量时序数据与所述海冰密集度时序数据融合，得到表征协变量约束下极涡演变的第一关联序列，将所述协变量时序数据于所述极涡特征时序数据融合，得到第二关联序列；

5、以所述第一关联序列为约束条件，对所述第二关联序列进行分析，得到极涡状态特征；

6、获取所述待预测区域的气象时序数据，并根据所述气象时序数据确定覆冰区网格数据；

7、对所述极涡状态特征和所述覆冰区网格数据进行分析，得到覆冰区分布预测结果。

8、作为其中一种优选方案，所述协变量时序数据包括北极涛动时序数据和西伯利亚高压时序数据，所述将所述协变量时序数据与所述海冰密集度时序数据融合，得到表征协变量约束下极涡演变的第一关联序列，包括：

9、获取所述北极涛动时序数据与所述西伯利亚高压时序数据作为所述协变量时序数据；

10、将所述北极涛动时序数据、所述西伯利亚高压时序数据及所述海冰密集度时序数据进行时序对齐，并将对齐后的数据进行拼接，得到所述第一关联序列。

11、作为其中一种优选方案，所述以所述第一关联序列为约束条件，对所述第二关联序列进行分析，得到极涡状态特征，包括：

12、将所述第一关联序列数输入第一循环神经网络，得到环境约束特征；

13、将所述第二关联序列输入所述第一循环神经网络，得到极涡历史演变特征；

14、通过注意力机制融合所述环境约束特征与所述极涡历史演变特征，生成所述极涡状态特征。

15、作为其中一种优选方案，所述极涡状态特征通过双向约束训练获得，包括：

16、将所述第二关联序列与所述海冰密集度时序数据输入第二循环神经网络，得到预测海冰密集度序列；

17、以最小化所述极涡状态特征与真实极涡的差异、所述预测海冰密集度序列与真实海冰密集度序列的差异为目标，更新所述第一循环神经网络与所述第二循环神经网络的参数。

18、作为其中一种优选方案，所述获取所述待预测区域的气象时序数据，并根据所述气象时序数据确定覆冰区网格数据，包括：

19、获取所述待预测区域的气温时序数据和降水时序数据作为所述气象时序数据；

20、根据所述气温时序数据与所述降水时序数据，筛选湿冷型复合事件；

21、将所述待预测区域内所述湿冷型复合事件的持续时长满足预设时长条件的子区域标记为覆冰区；

22、将所述待预测区域划分为网格，并在所述网格中标注所述覆冰区，得到所述覆冰区网格数据。

23、作为其中一种优选方案，所述对所述极涡状态特征和所述覆冰区网格数据进行分析，得到覆冰区分布预测结果，包括：

24、将所述覆冰区网格数据编码为特征嵌入；

25、将所述极涡状态特征与所述特征嵌入进行融合，并将融合后的特征输入视觉transformer网络，得到所述覆冰区分布预测结果。

26、本发明另一实施例提供了一种覆冰区变化的预测系统，包括：

27、数据获取模块，用于获取待预测区域的海冰密集度时序数据、极涡特征时序数据及协变量时序数据；

28、数据融合模块，用于将所述协变量时序数据与所述海冰密集度时序数据融合，得到表征协变量约束下极涡演变的第一关联序列，将所述协变量时序数据于所述极涡特征时序数据融合，得到第二关联序列；

29、极涡状态分析模块，用于以所述第一关联序列为约束条件，对所述第二关联序列进行分析，得到极涡状态特征；

30、气象数据分析模块，用于获取所述待预测区域的气象时序数据，并根据所述气象时序数据确定覆冰区网格数据；

31、覆冰区预测模块，用于对所述极涡状态特征和所述覆冰区网格数据进行分析，得到覆冰区分布预测结果。

32、作为其中一种优选方案，所述极涡状态分析模块，包括：

33、环境约束特征生成单元，用于将所述第一关联序列数输入第一循环神经网络，得到环境约束特征；

34、极涡历史演变特征生成单元，用于将所述第二关联序列输入所述第一循环神经网络，得到极涡历史演变特征；

35、极涡状态生成单元，用于通过注意力机制融合所述环境约束特征与所述极涡历史演变特征，生成所述极涡状态特征。

36、作为其中一种优选方案，所述极涡状态特征通过双向约束训练获得，所述极涡状态分析模块，还包括：

37、海冰预测单元，用于将所述第二关联序列与所述海冰密集度时序数据输入第二循环神经网络，得到预测海冰密集度序列；

38、双向约束训练单元，用于以最小化所述极涡状态特征与真实极涡的差异、所述预测海冰密集度序列与真实海冰密集度序列的差异为目标，更新所述第一循环神经网络与所述第二循环神经网络的参数。

39、作为其中一种优选方案，所述气象数据分析模块，包括：

40、气象时序数据获取单元，用于获取所述待预测区域的气温时序数据和降水时序数据作为所述气象时序数据；

41、事件筛选单元，用于根据所述气温时序数据与所述降水时序数据，筛选湿冷型复合事件；

42、覆冰区标记单元，用于将所述待预测区域内所述湿冷型复合事件的持续时长满足预设时长条件的子区域标记为覆冰区；

43、网格划分单元，用于将所述待预测区域划分为网格，并在所述网格中标注所述覆冰区，得到所述覆冰区网格数据。

44、本发明又一实施例提供了一种覆冰区变化的预测设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的覆冰区变化的预测方法。

45、本发明再一实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机可读存储介质所在设备执行所述计算机程序时，实现如上所述的覆冰区变化的预测方法。

46、相比于现有技术，本发明实施例的有益效果在于以下所述中的至少一点：

47、（1）本发明通过获取海冰密集度、极涡特征及协变量三类时序数据，并以协变量与海冰的融合结果作为约束条件来分析极涡演变，生成极涡条件特征，再将该极涡条件特征与由气象数据确定的覆冰区网格数据共同分析，最终得到覆冰区分布预测结果。该方法将海冰与极涡等大尺度气候因子与近地面气象条件有机结合，使得覆冰区变化预测不再单纯依赖历史统计外推，而是建立在多因子耦合分析的基础上。由此，本发明能够有效揭示覆冰区向新区域扩展的内在动因，提升预测结果对实际气候过程的解释能力。

48、（2）本发明建立了一种从大尺度气候系统到区域覆冰条件的完整分析链条。该方法不仅能够反映覆冰区在年度之间的波动特征，还能捕捉其长期迁移趋势，显著提高了覆冰区变化预测的准确性、时效性与空间覆盖能力。在实际应用中，该预测结果可为电力线路防冰改造、冬季运维调度、应急资源预置等提供更早、更可靠的科学依据，从而降低覆冰灾害对电网、交通及通信设施的运行风险。