(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210230535.2 (22)申请日 2022.03.10 (71)申请人 新昌县气象局 地址 312500 浙江省绍兴 市新昌县七 星街 道江滨西路182号 (72)发明人 娄伟平　邓盛蓉　杨鸣　朱涛　 (74)专利代理 机构 浙江千克知识产权代理有限 公司 33246 专利代理师 赵炎英 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01)G01W 1/02(2006.01) G01W 1/10(2006.01) (54)发明名称 一种局地云雾预测方法及系统 (57)摘要 本发明涉及气象预报技术领域， 具体地说涉 及一种局地 云雾预测及系统。 目前云雾预测的方 法主要用于预测大范围云雾， 准确率低、 预测时 间短、 适用的范围小， 不能用于山区局地云雾预 测。 一种局地云雾预测方法， 包括以下步骤： 确定 预测区域， 建立云雾和气象观测站， 采集云雾和 气象数据； 将数据分为训练、 测试集二部分， 以训 练集中的气象要素和时间作为自变量X， 训练集 建立随机森 林回归预测模型； 采集云雾所在网格 点未来1‑7天气象要素数值预报产品， 进行数据 预处理； 经预处理的气象要素和时间作为自变量 X输入， 输出云雾预测量Y； 将采集的数据和时间 加入到模型的训练、 测试集中， 定时对模型进行 训练调整。 本发明准确率高， 可靠性高， 各地均适 用。 权利要求书2页 说明书7页 附图8页 CN 114926744 A 2022.08.19 CN 114926744 A 1.一种局地云雾预测方法， 其特 征在于， 包括以下步骤： 1） 确定云雾预测区域， 建立云雾观测站和气象观测站， 采集云雾和气象数据； 2） 将采集的数据分为训练集和测试集二部分， 以训练集中的气象要素和时间作为自变 量X， 训练集建立随机森林回归预测模型； 3） 采集云雾指定区域所在网格点未来1 ‑7天气象要素 数值预报产品， 进行 数据预处 理； 4） 利用经过数据预处理的气象要素和时间作为模型的自变量X输入， 输出云雾预测量 Y； 5） 将实时采集的数据和时间加入到模型的训练集和测试集中， 定时对模型进行训练调 整。 2.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤1中， 将云雾预 测区域的云雾量进行分成， 云雾量为近地面层云雾遮蔽云雾指定区域的成数， 云雾观测站 进行24小时观测云雾， 自动图像识别生成各成云雾量。 3.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤1中， 气象观测 站气象观测数据包括逐小时风向、 风速、 温度、 气压、 降水量、 相对湿度和云量。 4.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤2中， 建模时采 集数据集长度为N， 从选取时间点开始对采集数据集向后面取建模数据集长度为L； 将建模 数据集分为训练集和测试集， 测试集取选取时间点开始对采集数据集向后面取建模数据集 的1/3， 建模数据集的剩余2/ 3为训练集。 5.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤2中， 训练集中 的风向、 风速、 温度、 气压、 降水量、 相 对湿度、 云量和时间因子作为 自变量X， 相应的局地云 雾量为因变量Y， 利用Python语 言建立随机森林回归模 型， 进行训练得到随机森林回归 预测 模型， 利用测试集数据进行预测； 通过调整随机森林回归模型参数决策树个数n_ estimators、 决策树最大深度max_dept h、 最小分离样本数min_samples_split、 最小叶子节 点样本数min_samples_leaf、 最大分离特征数max_features， 参数bootstrap取true， 找到 建模数据集长度L下的较优模型； 在建模数据集长度L从选取时间到N对应的较优模 型中， 选 出最优模型， 作为 最终的随机森林回归预测模型。 6.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤3 中， 数值预报 产品包括所在地区气象台提供的云雾观测点未来 1‑7天逐小时风向、 风速、 温度、 降水、 相对 湿度、 气压、 云量预报值， 对收集的历史数值预报值结合气象观测站气象观测数据进行修 正。 7.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤2、 3和5中， 分 别采用平均绝对误差、 均方根 误差和皮尔逊相关系数对数据训练、 修 正结果进行评估。 8.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤5 中， 实时采集 的数据和时间实时加入到数据集中， 上一时间点最优随机森林回归预测模 型的建模数据集 长度L， 取建模数据集长度 从L‑t到L+t， 训练得到随机森林回归预测模型， 得到该长度下的 较优模型， 在建模数据集长度从L ‑t到L+t对应的较优模型中选出最优模型， 作为下一时间 点的随机森林回归预测模型。 9.如权利要求1所述的一种局地云雾预测方法， 其特征在于： 所述的步骤5中， 利用 RandomizedSearchCV类进行参数n_estimators、 max_depth、 min_samples_split、 min_权　利　要　求　书 1/2 页 2 CN 114926744 A 2samples_leaf、 max_features自动优化， 5个参数取值范围为上一时间点最优模型参数值 ± 10%。 10.一种局地云雾预测系统， 其特征在于， 该系统包括数据采集模块、 样本生成模块、 随 机森林回归预测模型模块及云雾预测模块， 其中： 所述数据采集模块用于采集气象观测 站和云雾观测 站观测数据、 所在地 区气象台提供 的气象数据预报值， 对云雾观测站云雾观测进行自动图像识别生成各成云雾量； 所述样本生成模块用于对数据进行预处理， 将 实时采集的数据和时间实时加入到数据 集中， 对气象要素 预报数据结合气象观测站 观测数据进行修 订； 所述随机森林回归预测模型模块用于利用建模数据集的时间序列样本， 训练Python语 言编程， 调用RandomForestRegressor类来创建随机森林回归预测模型， 调用 RandomizedSearchCV类进行参数n_estimators、 max_depth、 min_samples_split、 min_ samples_leaf、 max_features自动优化， 得到最佳参数的随机森林回归预测模型； 所述云雾预测模块用于利用时间、 气象要素预报值序列 结合最佳参数的随机森林回归 预测模型， 进行云雾量预测。权　利　要　求　书 2/2 页 3 CN 114926744 A 3