CN106291764B - 基于大数据和气象分析场的气象预报方法和系统 - Google Patents

Abstract

本发明涉及一种气象预报方法，该方法包括：获取距离当前时刻设定时长的第一历史时刻与当前时刻之间的预报区域内的第一气象分析场序列；查找距离当前时刻预报时长的第二历史时刻；获取第二历史时刻之前的预报区域内的第二气象分析场序列，计算第一气象分析场序列和第二气象分析场序列的匹配度；当计算的匹配度不小于预设阈值，则获取以第二气象分析场序列的结束时刻为起始时刻且时间长度等于预报时长的第三气象分析场序列，并将获取的第三气象分析场序列作为预报区域内预报时长对应的预报气象数据，实现了通过历史的气象数据进行气象预测，气象预测准确度更高。

Description

基于大数据和气象分析场的气象预报方法和系统

技术领域

本发明涉及气象预报技术领域，特别是涉及一种基于大数据和气象分析场的气象预报方法和系统。

背景技术

天气变化与人们的生产活动、社会活动、军事活动以及日常生活都有着十分密切的关系。一直以来，人们总是想方设法去预测未来的天气变化，以利用有利的天气，同时提前预防不利天气带来的气象灾害。

传统技术中，人们预测天气采用数值预测的方法，数值预测的原理为：通过天气图或者卫星云图获取气象图像，并在一定的初值和边值条件下，利用大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。上述的数值预测方法是基于数学模型进行模式推导的，误差较大。

发明内容

基于此，有必要针对上述问题，提供一种预报的准确度更高的气象预报方法和系统。

一种气象预报方法，所述方法包括：

获取距离当前时刻设定时长的第一历史时刻与所述当前时刻之间的第一气象分析场序列，所述第一气象分析场序列为设定的预报区域内的气象数据；

获取所述预报区域的预报时长；

查找距离所述当前时刻所述预报时长的第二历史时刻；

获取所述第二历史时刻之前的所述预报区域的第二气象分析场序列，其中，所述第二气象分析场序列对应的时长与所述第一气象分析场序列对应的时长相同；

计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度；

当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列，并将获取的所述第三气象分析场序列作为所述预报区域内所述预报时长对应的预报气象数据。

在一个实施例中，所述获取所述第二历史时刻之前的所述预报区域内的第二气象分析场序列的步骤为：获取所述预报区域内，所述第二历史时刻之前设定时间内所包含的所述第二气象分析场序列；

所述计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度的步骤为：计算所述第一气象分析场序列与获取的所有的所述第二气象分析场序列的匹配度；

所述当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列的步骤为：

当计算的所述匹配度中最大的匹配度数值不小于预设阈值时，获取以所述最大的匹配度对应的所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列。

在一个实施例中，所述方法还包括：

当计算的所述匹配度中最大的匹配度数值小于所述预设阈值时，将所述预报区域划分为多个预报子区域；

分别获取所述预报子区域的子区域预报气象数据；

根据所述子区域预报气象数据得到所述预报区域的预报气象数据。

在一个实施例中，当计算的所述匹配度中最大的匹配度值小于所述预设阈值时，缩短获取的所述第一气象分析场序列对应的预设时长，重新获取与缩短的所述预设时长对应的第一气象分析场序列和第二气象分析场序列。

在一个实施例中，所述第一气象分析场序列和所述第二气象分析场序列包括按照时间排序且数量相等的气象分析场，所述气象分析场是通过大数据进行存储和获取的；

所述计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度包括：

按照所述时间顺序，将所述第二气象分析场序列的气象分析场分别与对应的所述第一气象分析场序列中的气象分析场匹配，得到对应的每组所述气象分析场的匹配度；

根据每组所述气象分析场的匹配度计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度。

一种气象预报系统，所述系统包括：

第一气象分析场序列获取模块，用于获取距离当前时刻设定时长的第一历史时刻与所述当前时刻之间的第一气象分析场序列，所述第一气象分析场序列为设定的预报区域内的气象数据；

预报时长获取模块，用于获取所述预报区域的预报时长；

第二历史时刻查找模块，用于查找距离所述当前时刻所述预报时长的第二历史时刻；

第二气象分析场序列获取模块，用于获取所述第二历史时刻之前的所述预报区域内的第二气象分析场序列，其中，所述第二气象分析场序列对应的时长与所述第一气象分析场序列对应的时长相同；

匹配模块，用于计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度；

预报气象数据确定模块，用于当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列，将获取的所述第三气象分析场序列作为所述预报区域内所述预报时长对应的预报气象数据。

在一个实施例中，所述第二气象分析场序列获取模块还用于获取所述预报区域内，所述第二历史时刻之前设定时间内所包含的所述第二气象分析场序列；

所述匹配模块，还用于计算所述第一气象分析场序列与获取的所有的所述第二气象分析场序列的匹配度；

所述预报气象数据确定模块，还用于当计算的所述匹配度中最大的匹配度数值不小于预设阈值时，获取以所述最大的匹配度对应的所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列。

在一个实施例中，所述预报气象数据确定模块还包括：

区域拆分模块，用于当计算的所述匹配度中最大的匹配度数值小于所述预设阈值时，将所述预报区域划分为多个预报子区域；

子区域预报气象数据获取模块，用于分别获取所述预报子区域的子区域预报气象数据；

数据整合模块，用于整合所述子区域预报气象数据得到所述预报区域的预报气象数据。

在一个实施例中，所述预报气象数据确定模块还包括：

第一气象分析场序列缩减模块，用于当计算的所述匹配度中最大的匹配度值小于所述预设阈值时，缩短获取的所述第一气象分析场序列对应的预设时长，重新获取与缩短的所述预设时长对应的第一气象分析场序列和第二气象分析场序列。

在一个实施例中，所述第一气象分析场序列和所述第二气象分析场序列包括按照时间排序且数量相等的气象分析场，所述气象分析场是通过大数据进行存储和获取的；

所述匹配模块，还用于按照所述时间顺序，将所述第二气象分析场序列的气象分析场分别与对应的所述第一气象分析场序列中的气象分析场匹配，得到对应的每组所述气象分析场的匹配度；根据每组所述气象分析场的匹配度计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度。

上述气象预报方法和系统，首先获取能够表征当前气象信息的第一气象分析场序列，然后查找历史气象数据中与第一气象分析场序列匹配度大于预设阈值的第二气象分析场序列，并将第二历史数据后的第三气象分析场序列作为预报气象数据，由于第二气象分析场序列和第三气象分析场序列均为已经发生过的气象数据，具有真实性和确定性，在第一气象分析场序列和第二气象分析场序列匹配的基础之上，将第三气象分析场序列作为预报气象数据，天气预报的准确度更高。

附图说明

图1为一个实施例中气象预报方法的流程图；

图2为另一个实施例中气象预报方法的流程图；

图3为再一个实施例中气象预报方法的流程图；

图4为一个实施例中气象预报系统的结构框图；

图5为一个实施例中预报气象数据确定模块的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在如图1所示的实施例中，提供了一种气象预报方法，该方法包括如下步骤：

步骤S102：获取距离当前时刻设定时长的第一历史时刻与当前时刻之间的第一气象分析场序列，第一气象分析场序列为设定的预报区域内的气象数据。

具体的，服务器中预存有气象数据，且同时可对实时发生的气象数据进行实时存储。在另一个实施例中，服务器定时获取更新的气象数据，并将更新的气象数据进行存储。需要说明的是，服务器存储的气象数据均为已经发生过的真实的、确定的气象数据。

上述的气象数据是根据气象探测器获取的实况气象资料分析得到的气象分析场序列，气象分析场序列是由多个时间点的气象分析场有序组成。上述的设定时长的第一气象分析场序列可包括多个气象分析场。例如，如果气象分析场序列的时间分辨率为1分钟，第一气象分析场序列对应的时间长度为60分钟，则第一气象分析场序列则包括有序排列的60个气象分析场。

在本实施例中，如果当前时刻为2016年4月11日12：00，第一气象分析场序列的设定时长为60分钟，那么，第一气象分析场序列为2016年4月11日11：00至2016年4月11日12：00时间段内的气象数据。

预报区域可以为省级预报区域，也可以是市级预报区域，还可以是区(县)级预报区域，例如预报区域可以是深圳市。

步骤S104：获取预报区域的预报时长。

具体的，预报时长指从当前时刻开始需要预报的气象数据的时间长度，例如，预报时长可以为自当前时刻开始未来的12小时或24小时等等。这里的预报时长可根据需要具体设定。

步骤S106：查找距离当前时刻预报时长的第二历史时刻。

步骤S108：获取第二历史时刻之前的预报区域内的第二气象分析场序列，其中，第二气象分析场序列对应的时长与第一气象分析场序列对应的时长相同。

具体的，根据预报时长确定第二历史时刻，并根据第二历史时刻确定获取第二气象分析场序列的时间段。

第二气象分析场序列为第二历史时刻之前的与第一气象分析场序列等时长的气象数据。

例如，当前时刻是4月11日12：00，预报时长设为12小时，第一气象分析场序列对应的时间长度为60分钟，则第二历史时刻为4月11日0：00，那么第二气象分析场序列可以为：4月10日23：00分至4月11日0:00时间段内的气象数据，也可以为：4月10日22：59分至4月10日23：59时间段内的气象数据、还可以为4月10日22：58分至4月10日23：58时间段内的气象数据等等依次类推。

步骤S110：计算第一气象分析场序列和第二气象分析场序列的匹配度。

具体的，在第二历史时刻之前的与第一气象分析场序列等时长的第二气象分析场序列为多个，可任选其一，将获取的第二气象分析场序列与第一气象分析场序列进行匹配，得到两者的匹配度。

步骤S112：当计算的匹配度不小于预设阈值，则获取以第二气象分析场序列的结束时刻为起始时刻且时长为预报时长的第三气象分析场序列，并将获取的第三气象分析场序列作为预报区域内预报时长对应的预报气象数据。

具体的，当计算的第二气象分析场序列与第一气象分析场序列的匹配度不小于预设阈值，则认为第二气象分析场序列是与第一气象分析场序列气象特征相近的气象数据，将第二气象分析场序列后预报时长的第三气象分析场序列作为需要预报的预报气象数据。

例如，如果与第一气象分析场序列匹配的第二气象分析场序列为4月10日23：00分至4月11日0:00时间段内的气象数据，预报时长为12小时，则第三气象分析场序列为：4月11日0:00-4月11日12:00时间段内的气象数据，将该时间段内的气象数据作为当前时刻后未来12小时的预报气象数据。

本实施例中，获取的第二气象分析场序列与当前时刻最近的第一气象分析场序列为匹配的气象数据，并将第二气象分析场序列后的第三气象分析场序列作为当前时刻后未来预报时长的预报气象数据。由于第二气象分析场序列和第三气象分析场序列均为已经发生过的气象数据，是真实的、确定的，在第一气象分析场序列和第二气象分析场序列匹配的基础之上，将第三气象分析场序列作为预报气象数据，天气预测的准确度更高。

另外，本实施例中直接将符合条件的历史气象数据作为待预报的气象数据，无需通过大型计算机做复杂的数值计算，得到预报气象数据所需要的时间更短，且极大的减少了对计算资源的占用。

在一个实施例中，第一气象分析场序列和第二气象分析场序列均包括按照时间排序且数量相等的气象分析场。也就是第一气象分析场序列和第二气象分析场序列均为由按时间进行排序的气象分析场组成的气象数据，两者的序列数相同，且为正自然数，最小可以为1。

具体的，按照时间顺序，将第二气象分析场序列的气象分析场分别与对应的第一气象分析场序列中的气象分析场匹配，得到对应的每组气象分析场的匹配度；根据每组气象分析场的匹配度计算第一气象分析场序列和第二气象分析场序列的匹配度。

例如，按照气象分析场序列中气象分析场的时间先后，记为气象分析场1、气象分析场2、…、气象分析场m。将第一气象分析场序列中的气象分析场1与第二气象分析场序列的气象分析场1进行匹配，得到匹配度1，将第一气象分析场序列中的气象分析场2与第二气象分析场序列的气象分析场2进行匹配，得到匹配度2，以此类推，得到m个匹配度值。

那么，第一气象分析场序列和第二气象分析场序列的匹配度可以为：匹配度1×k1+匹配度2×k2+……+匹配度m×km，其中k1+k2+……+km＝1，k1、k2……km权重系数。

第一气象分析场序列、第二气象分析场序列和第三气象分析场序列均是由服务器中预存的气象分析场中查找获取的，其中，气象分析场是通过大数据进行存储和获取的，也就是采集任一时间任一预报区域的气象分析场存入大数据，从大数据中获取任一时间任一预报区域的气象分析场。

具体的，建立气象分析场的HBASE大数据库表，并将采集到的气象分析场及其对应时间存入气象分析场的HBASE大数据库表，同时可以根据气象分析场的时间从气象分析场的HBASE大数据库表中获取对应时间的气象分析场。

在一个实施例中，由于气象数据中，时间越靠后的气象分析场与要预测的时间越靠近，相关性越大，因此，设置时间靠后的权重系数大于权重靠前的权重系数，即，k1<＝<＝k2<＝……<＝km。

本实施例中，通过设置每个气象分析场的权重系数，计算得到的匹配度更能反映第一气象分析场序列和第二气象分析场序列的吻合度且通过权重调整的匹配度进行气象预测，预测结果与实际天气具有较大吻合度的可能性更高。

在一个实施例中，如图2所示，提供了一种气象预报方法，该方法包括如下步骤：

步骤S202：获取距离当前时刻设定时长的第一历史时刻与当前时刻之间的预报区域内的第一气象分析场序列。

步骤S204：获取预报区域的预报时长。

步骤S206：查找距离当前时刻预报时长的第二历史时刻。

上述的步骤S202-步骤S206的具体实施方式与步骤S102-步骤S106所陈述的具体实施方式相同。

步骤S208：获取预报区域内，第二历史时刻之前设定时间内所包含的第二气象分析场序列，其中，第二气象分析场序列对应的时长与第一气象分析场序列对应的时长相同。

具体的，本实施例中，第二历史时刻之前设定时间可以是设定的时间，如第二历史时间之前30天，还可以是满足预设条件的时间，例如，预设条件为与当前时刻属于同一季节的第二历史时刻之间的时间段，假设当前时刻为2016年4月11日12：00，预报时长设为12小时，则第二历史时刻为4月11日0：00。当前时刻所属季节为春季(3月-5月为春季)，则第二历史时刻之前满足季节约束的时间为3月1日0:00-4月11日0:00，以1分钟为时间分辨率，3月1日0:00-4月11日0:00时间段内包括42(天)×24(小时)×60(分钟)个第二气象分析场序列。

步骤S210：计算第一气象分析场序列与获取的所有的第二气象分析场序列的匹配度。

步骤S212：当计算的匹配度中最大的匹配度数值不小于预设阈值时，获取以最大的匹配度对应的第二气象分析场序列的结束时刻为起始时刻且时长为预报时长的第三气象分析场序列，并将获取的第三气象分析场序列作为预报区域内预报时长对应的预报气象数据。

具体的，计算获取的所有的第二气象分析场序列与第一气象分析场序列的匹配度，得到每个第二气象分析场序列对应的匹配度数值，通过匹配度数值的数值大小比较，找到最大的匹配度数值，判断最大的匹配度数值是否不小于预设阈值，若是，则以该匹配度对应的第二气象分析场序列的结束时刻为起始时间且时间长度等于预报时长的第三气象分析场序列作为预报气象数据。

本实施例中，对第二气象分析场序列的获取时间范围进行了限定，提高了获取的第二气象分析场序列与第一气象分析场序列的吻合度，另外，获取的第二气象分析场序列为多个，可选择与第一气象分析场序列最相似的(匹配度最大)的第二气象分析场序列，提高了最终确定的第二气象分析场序列与第一气象分析场序列的吻合度，进而提高了预报气象数据的准确度。

在一个实施例中，如图3所示，气象预报方法还包括如下步骤：

步骤S214：当计算的匹配度中最大的匹配度数值小于预设阈值时，将预报区域划分为多个预报子区域，并分别获取预报子区域的子区域预报气象数据，根据子区域预报气象数据得到预报区域的预报气象数据。

具体的，在预报区域内获取的多个第二气象分析场序列与第一气象分析场序列进行匹配，如果得到的最大的匹配度数值仍然小于预设阈值，则将预报区域进行拆分，拆分成多个预报子区域。在一个实施例中，可以按照预报区域划的下一级行政区域进行划分。如原始预报区域为深圳市，如果在深圳市范围内不能找到符合条件的第二气象分析场序列，则将深圳市划分为罗湖区、福田区、南山区、盐田区、宝安区、龙岗区，划分的这6个区域作为预报子区域。

获取服务器中与预报子区域对应的第一气象分析场序列，第一气象分析场序列为距离当前时刻设定时长的第一历史时刻与当前时刻之间气象数据；根据预报时长确定距离当前时刻预报时长的第二历史时刻；根据第二历史时刻获取第二历史时刻之前的预报子区域内的第二气象分析场序列，计算获取的预报子区域的第二气象分析场序列与第一气象分析场序列的匹配度，判断基于预报子区域的最大匹配度数值是否不小于预设阈值，若是，则将第二气象分析场序列对应的第三气象分析场序列作为预报子区域预报气象数据。整合所有子区域预报气象数据即可得到预报区域的气象数据。

在一个实施例中，可通过预报子区域确定的最大匹配度数值和预报子区域的面积表征通过预报子区域得到的预报区域的气象数据的可信度。

具体的，其中λ_i为i预报子区域的最大匹配度，V_i为i预报子区域的面积，V为预报区域的面积。可信度越大，通过预报子区域得到的预报区域的气象数据准确度越高。

本实施例中，通过划分，减小预报区域的大小，则需要匹配的气象数据的中的气象分析场空间大小减小，能够有效提高匹配成功的可能性。

在一个实施例中，预报区域对应的第一气象分析场序列与第二气象分析场序列匹配的预设阈值与预报子区域的区域面积大小成反比。例如，当预报区域是市级时，预报阈值可以设为60％，当预报区域是区级时，预报阈值可以设为70％，当预报区域是街道级时，预报阈值可以设为80％。

本实施例中，通过调整匹配度的预设阈值的大小，提高匹配成功的可能性。

在一个实施例中，当计算的匹配度中最大的匹配度值小于预设阈值时，缩短获取的第一气象分析场序列对应的预设时长，重新获取与缩短的预设时长对应的第一气象分析场序列和第二气象分析场序列，匹配重新获取的第一气象分析场序列和第二气象分析场序列，如果匹配度不小于预设阈值，则可获取该第二气象分析场序列对应的第三气象分析场序列，进而得到预报气象数据，天气预测成功。

本实施例中，缩短预设时长，也就是减少了第一气象分析场序列所包含的气象分析场的数量，能够有效提高匹配成功的可能性。

在一个实施例中，如图4所示，还提供了一种气象预报系统，该系统包括：

第一气象分析场序列获取模块302，用于获取距离当前时刻设定时长的第一历史时刻与当前时刻之间的第一气象分析场序列，第一气象分析场序列为设定的预报区域内的气象数据。

预报时长获取模块304，用于获取预报区域的预报时长。

第二历史时刻查找模块306，用于查找距离当前时刻预报时长的第二历史时刻。

第二气象分析场序列获取模块308，用于获取第二历史时刻之前的预报区域内的第二气象分析场序列，其中，第二气象分析场序列对应的时长与第一气象分析场序列对应的时长相同。

匹配模块310，用于计算第一气象分析场序列和第二气象分析场序列的匹配度。

预报气象数据确定模块312，用于当计算的匹配度不小于预设阈值，则获取以第二气象分析场序列的结束时刻为起始时刻且时长为预报时长的第三气象分析场序列，将获取的第三气象分析场序列作为预报区域内预报时长对应的预报气象数据。

在一个实施例中，第二气象分析场序列获取模块308，还用于获取预报区域内，第二历史时刻之前设定时间内所包含的第二气象分析场序列。

匹配模块310，还用于计算第一气象分析场序列与获取的所有的第二气象分析场序列的匹配度。

预报气象数据确定模块312，还用于当计算的匹配度中最大的匹配度数值不小于预设阈值时，获取以最大的匹配度对应的第二气象分析场序列的结束时刻为起始时刻且时长为预报时长的第三气象分析场序列。

在一个实施例中，如图5所示，预报气象数据确定模块312还包括：

区域拆分模块402，用于当计算的匹配度中最大的匹配度数值小于预设阈值时，将预报区域划分为多个预报子区域。

子区域预报气象数据获取模块402，用于分别获取预报子区域的子区域预报气象数据。

数据整合模块406，用于整合子区域预报气象数据得到预报区域的预报气象数据。

在一个实施例中，预报气象数据确定模块312还包括：

第一气象分析场序列缩减模块，用于当计算的匹配度中最大的匹配度值小于预设阈值时，缩短获取的第一气象分析场序列对应的预设时长，重新获取与缩短的预设时长对应的第一气象分析场序列和第二气象分析场序列。

在一个实施例中，第一气象分析场序列和第二气象分析场序列包括按照时间排序且数量相等的气象分析场，气象分析场是通过大数据进行存储和获取的；

匹配模块310，还用于按照时间顺序，将第二气象分析场序列的气象分析场分别与对应的第一气象分析场序列中的气象分析场匹配，得到对应的每组气象分析场的匹配度；根据每组气象分析场的匹配度计算第一气象分析场序列和第二气象分析场序列的匹配度。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种气象预报方法，其特征在于，所述方法包括：

获取距离当前时刻设定时长的第一历史时刻与所述当前时刻之间的第一气象分析场序列，所述第一气象分析场序列为设定的预报区域内的气象数据；

获取所述预报区域的预报时长；

查找距离所述当前时刻所述预报时长的第二历史时刻；

获取所述第二历史时刻之前的所述预报区域的第二气象分析场序列，其中，所述第二气象分析场序列对应的时长与所述第一气象分析场序列对应的时长相同，所述第二气象分析场序列为在所述第二历史时刻之前的与所述第一气象分析场序列等时长的气象分析场序列中的一个或多个；

计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度；

当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列，并将获取的所述第三气象分析场序列作为所述预报区域内所述预报时长对应的预报气象数据。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第二历史时刻之前的所述预报区域内的第二气象分析场序列的步骤为：获取所述预报区域内，所述第二历史时刻之前设定时间内所包含的所述第二气象分析场序列；

所述计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度的步骤为：计算所述第一气象分析场序列与获取的所有的所述第二气象分析场序列的匹配度；

所述当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列的步骤为：

当计算的所述匹配度中最大的匹配度数值不小于预设阈值时，获取以所述最大的匹配度对应的所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当计算的所述匹配度中最大的匹配度数值小于所述预设阈值时，将所述预报区域划分为多个预报子区域；

分别获取所述预报子区域的子区域预报气象数据；

根据所述子区域预报气象数据得到所述预报区域的预报气象数据。

4.根据权利要求1所述的方法，其特征在于，当计算的所述匹配度中最大的匹配度值小于所述预设阈值时，缩短获取的所述第一气象分析场序列对应的预设时长，重新获取与缩短的所述预设时长对应的第一气象分析场序列和第二气象分析场序列。

5.根据权利要求1所述的方法，其特征在于，所述第一气象分析场序列和所述第二气象分析场序列包括按照时间排序且数量相等的气象分析场，所述气象分析场是通过大数据进行存储和获取的；

所述计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度包括：

按照所述时间顺序，将所述第二气象分析场序列的气象分析场分别与对应的所述第一气象分析场序列中的气象分析场匹配，得到对应的每组所述气象分析场的匹配度；

根据每组所述气象分析场的匹配度计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度。

6.一种气象预报系统，其特征在于，所述系统包括：

第一气象分析场序列获取模块，用于获取距离当前时刻设定时长的第一历史时刻与所述当前时刻之间的第一气象分析场序列，所述第一气象分析场序列为设定的预报区域内的气象数据；

预报时长获取模块，用于获取所述预报区域的预报时长；

第二历史时刻查找模块，用于查找距离所述当前时刻所述预报时长的第二历史时刻；

第二气象分析场序列获取模块，用于获取所述第二历史时刻之前的所述预报区域内的第二气象分析场序列，其中，所述第二气象分析场序列对应的时长与所述第一气象分析场序列对应的时长相同；

匹配模块，用于计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度；

预报气象数据确定模块，用于当计算的所述匹配度不小于预设阈值，则获取以所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列，将获取的所述第三气象分析场序列作为所述预报区域内所述预报时长对应的预报气象数据。

7.根据权利要求6所述的系统，其特征在于，所述第二气象分析场序列获取模块还用于获取所述预报区域内，所述第二历史时刻之前设定时间内所包含的所述第二气象分析场序列；

所述匹配模块，还用于计算所述第一气象分析场序列与获取的所有的所述第二气象分析场序列的匹配度；

所述预报气象数据确定模块，还用于当计算的所述匹配度中最大的匹配度数值不小于预设阈值时，获取以所述最大的匹配度对应的所述第二气象分析场序列的结束时刻为起始时刻且时长为所述预报时长的第三气象分析场序列。

8.根据权利要求7所述的系统，其特征在于，所述预报气象数据确定模块还包括：

区域拆分模块，用于当计算的所述匹配度中最大的匹配度数值小于所述预设阈值时，将所述预报区域划分为多个预报子区域；

子区域预报气象数据获取模块，用于分别获取所述预报子区域的子区域预报气象数据；

数据整合模块，用于整合所述子区域预报气象数据得到所述预报区域的预报气象数据。

9.根据权利要求6所述的系统，其特征在于，所述预报气象数据确定模块还包括：

第一气象分析场序列缩减模块，用于当计算的所述匹配度中最大的匹配度值小于所述预设阈值时，缩短获取的所述第一气象分析场序列对应的预设时长，重新获取与缩短的所述预设时长对应的第一气象分析场序列和第二气象分析场序列。

10.根据权利要求6所述的系统，其特征在于，所述第一气象分析场序列和所述第二气象分析场序列包括按照时间排序且数量相等的气象分析场，所述气象分析场是通过大数据进行存储和获取的；

所述匹配模块，还用于按照所述时间顺序，将所述第二气象分析场序列的气象分析场分别与对应的所述第一气象分析场序列中的气象分析场匹配，得到对应的每组所述气象分析场的匹配度；根据每组所述气象分析场的匹配度计算所述第一气象分析场序列和所述第二气象分析场序列的匹配度。