一种气象数据预测方法、设备及存储介质与流程

技术特征：
1.一种气象数据预测方法，其特征在于，包括：获取历史气象数据序列；将所述历史气象数据序列作为输入数据输入到预确定的目标气象网络模型中，其中，所述目标气象网络模型采用设定的训练方法进行训练；根据所述目标气象网络模型的输出结果，对气象数据进行预测，获得所述历史气象数据序列对应的目标气象数据序列。2.根据权利要求1所述的方法，其特征在于，所述目标气象网络模型的训练步骤包括：采用训练气象数据序列以及对应的标准气象数据序列作为一个训练样本；将所述训练样本输入给定的待训练气象网络模型，获得预测气象数据序列；根据所述预测气象数据序列和标准气象数据序列，确定中间惩罚矩阵；根据所述中间惩罚矩阵确定目标损失函数和梯度反传值；通过所述目标损失函数和梯度反传值对所述待训练气象网络模型进行反向传播，得到目标气象网络模型。3.根据权利要求2所述的方法，其特征在于，根据所述预测气象数据序列和标准气象数据序列，确定中间惩罚矩阵，包括：根据所述预测气象数据序列中的预测气象数据和标准气象数据序列中的标准气象数据确定惩罚函数值；根据预确定的可微函数公式和初始可微值确定可微值；根据各所述惩罚函数值和所对应可微值结合预确定的中间惩罚矩阵确定公式确定中间惩罚矩阵的数据项，根据各所述数据项形成中间惩罚矩阵。4.根据权利要求3所述的方法，其特征在于，所述根据所述预测气象数据序列中的预测气象数据和标准气象数据序列中的标准气象数据确定惩罚函数值，包括：针对每个预测气象数据，确定与各所述标准气象数据的距离和匹配值；将各所述距离与对应的匹配值相加，得到各惩罚函数值。5.根据权利要求4所述的方法，其特征在于，确定匹配值包括：将各所述预测气象数据的预测序列号和各所述标准气象数据的标准序列号分别代入预确定的匹配函数公式中，计算得到各匹配值。6.根据权利要求5所述的方法，其特征在于，所述匹配函数公式表示为：其中，所述match(i，j)表示预测序列号为i的预测气象数据和标准序列号为j的标准气象数据之间的匹配值，i＝0,1,2,3
…
n，j＝0,1,2,3
…
m；k＝n＝m，n＝预测气象数据序列的长度
‑
1，m＝标准气象数据序列的长度
‑
1。7.根据权利要求2所述的方法，其特征在于，根据所述中间惩罚矩阵确定目标损失函数，包括：提取所述中间惩罚矩阵中指定行列对应的目标数据项；将所述目标数据项确定为目标损失函数。8.根据权利要求2所述的方法，其特征在于，根据所述中间惩罚矩阵确定梯度反传值，包括：
根据所述中间惩罚矩阵、各惩罚函数值形成的惩罚矩阵确定输出矩阵；对所述惩罚矩阵进行微分求导，得到微分矩阵；将所述微分矩阵进行转秩变换，并将转秩变换后的矩阵与输出矩阵进行相乘，得到梯度反传值。9.根据权利要求8所述的方法，其特征在于，根据所述中间惩罚矩阵、各惩罚函数值形成的惩罚矩阵确定输出矩阵，包括：根据所述中间惩罚矩阵、惩罚矩阵和预设的第一公式确定第一参数；根据所述中间惩罚矩阵、惩罚矩阵和预设的第二公式确定第二参数；根据所述中间惩罚矩阵、惩罚矩阵和预设的第三公式确定第三参数；根据所述第一参数、第二参数和第三参数结合预确定的输出矩阵确定公式确定输出矩阵。10.根据权利要求9所述的方法，其特征在于，所述第一公式表示为：所述第二公式表示为：所述第三公式表示为：所述输出矩阵确定公式表示为：e
i，j
＝e
i 1，j
*a e
i，j 1
*b e
i 1，j 1
*c；其中，a为第一参数；b为第二参数；c为第三参数；γ为可微参数；e
i，j
为输出矩阵中第i行，第j列的数据项；r
i，j
为中间惩罚矩阵中第i行，第j列的数据项；d
i 1，j
、d
i，j 1
和d
i 1，j 1
分别为惩罚矩阵中相应行列的数据项；j＝m，m
‑
1，m
‑
2，
…
，1；i＝n，n
‑
1，n
‑
2，
…
，1；d
i，m 1
＝d
n 1，j
＝0；e
i，m 1
＝e
n 1，j
＝0；r
i，m 1
＝r
n 1，j
＝
‑
∞；e
n 1，m 1
＝1；r
n 1，m 1
＝r
n，m
。11.一种计算机设备，其特征在于，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1
‑
10中任一所述的气象数据预测方法。12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1
‑
10中任一所述的气象数据预测方法。

技术总结
本发明实施例公开了一种气象数据预测方法、设备及存储介质，通过获取历史气象数据序列；将所述历史气象数据序列作为输入数据输入到预确定的目标气象网络模型中，其中，所述目标气象网络模型采用设定的训练方法进行训练；根据所述目标气象网络模型的输出结果，对气象数据进行预测，获得所述历史气象数据序列对应的目标气象数据序列，解决了现有技术中气象数据进行预测时，预测结果不准确的问题。通过采用预先设定的训练方法训练神经网络模型，得到目标气象网络模型，然后通过目标气象网络模型对历史气象数据序列进行预测，得到对应的目标气象数据序列，实现了对气象数据的准确预测。实现了对气象数据的准确预测。实现了对气象数据的准确预测。


技术研发人员：郜杰 苏仲岳 闫正
受保护的技术使用者：上海眼控科技股份有限公司
技术研发日：2021.07.13
技术公布日：2021/11/23