CN106446226A - 气象信息的处理及展示方法、系统 - Google Patents
气象信息的处理及展示方法、系统 Download PDFInfo
- Publication number
- CN106446226A CN106446226A CN201610877694.6A CN201610877694A CN106446226A CN 106446226 A CN106446226 A CN 106446226A CN 201610877694 A CN201610877694 A CN 201610877694A CN 106446226 A CN106446226 A CN 106446226A
- Authority
- CN
- China
- Prior art keywords
- information
- objective
- precipitation
- weather
- air quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Instructional Devices (AREA)
Abstract
本发明属于可视化技术领域,提供了一种气象信息的处理及展示方法、系统,该方法包括:获取训练样本点的时间信息、位置信息和气象指标变量;根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型;根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息;根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息;根据目标地点的位置信息,将颜色信息进行显示。本发明气象信息的处理及展示方法、系统,能够有效地预测目标地理位置的气象信息,且进行可视化展示,有利于提高用户体验。
Description
技术领域
本发明涉及可视化技术领域,具体涉及一种气象信息的处理及展示方法、系统。
背景技术
目前,对温度、湿度、降水量等气象预测给生活或生产带来众多便利。但是气象预测多数是针对固定的地点进行预测,无法满足用户的需求。并且,现有的气象预测,如采用差值法进行运算,获得的预测温度误差较大。
如何有效地预测目标地理位置的气象信息,且能够进行可视化展示,是本领域技术人员亟需解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供一种气象信息的处理及展示方法、系统,能够有效地预测目标地理位置的气象信息,且能够进行可视化展示。
第一方面,本发明提供一种气象信息的处理及展示方法,该方法包括:获取训练样本点的时间信息、位置信息和气象指标变量;
根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型;
根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息;
根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息;
根据目标地点的位置信息,将颜色信息进行显示。
进一步地,根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型,具体包括:根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型;
根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,具体包括:根据目标地点的位置信息和神经网络预测模型,获取目标地点的气象信息。
进一步地,根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型,具体包括:根据位置信息、温度值和湿度值进行训练,获取与时间信息相应的温湿度预测模型,气象指标变量包括温度值和湿度值;
根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,具体包括:根据目标地点的位置信息和温湿度预测模型,获取目标地点的预测温度和预测湿度,气象信息包括预测温度和预测湿度;
根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息,具体包括:根据温度颜色设置规则,将目标地点的预测温度转换为温度颜色信息;
根据湿度颜色设置规则,将目标地点的预测湿度转换为湿度颜色信息;
根据目标地点的位置信息,将颜色信息进行显示,具体包括:根据目标地点的位置信息,分别将温度颜色信息和湿度颜色信息进行显示。
进一步地,本实施例气象信息的处理及展示方法还包括:获取训练样本点的降水量和/或空气质量指数,以及训练样本点的经纬度信息,气象指标变量还包括降水量和空气质量指数,位置信息包括经纬度信息;
根据经纬度信息和降水量进行训练,获取与时间信息相应的降水量预测模型;
根据目标地点的经纬度信息和降水量预测模型,获取目标地点的降水量预测信息;
根据降水量颜色设置规则,将目标地点的降水量预测信息转化为降水量颜色信息;
根据经纬度信息和空气质量指数进行训练,获取与时间信息相应的空气质量预测模型;
根据目标地点的经纬度信息和空气质量预测模型,获取目标地点的空气质量预测信息;
根据空气质量颜色设置规则,将目标地点的空气质量预测信息转化为空气质量颜色信息;
根据目标地点的经纬度信息,将降水量颜色信息和/或空气质量颜色信息进行显示。
进一步地,根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型,具体包括:将位置信息作为输入变量,气象指标变量作为输出变量进行训练,获取与时间信息相应的神经网络预测模型。
第二方面,本发明提供一种气象信息的处理及展示系统,该系统包括信息获取模块、模型确定模块、气象信息预测模块、显示信息转化模块和信息显示模块。信息获取模块用于获取训练样本点的时间信息、位置信息和气象指标变量;模型确定模块用于根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型;气象信息预测模块用于根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息;显示信息转化模块用于根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息;信息显示模块用于根据目标地点的位置信息,将颜色信息进行显示。
进一步地,模型确定模块具体用于根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型;气象信息预测模块具体用于根据目标地点的位置信息和神经网络预测模型,获取目标地点的气象信息。
进一步地,模型确定模块具体用于根据位置信息、温度值和湿度值进行训练,获取与时间信息相应的温湿度预测模型,气象指标变量包括温度值和湿度值。气象信息预测模块具体用于根据目标地点的位置信息和温湿度预测模型,获取目标地点的预测温度和预测湿度,气象信息包括预测温度和预测湿度。显示信息转化模块具体用于根据温度颜色设置规则,将目标地点的预测温度转换为温度颜色信息;根据湿度颜色设置规则,将目标地点的预测湿度转换为湿度颜色信息。信息显示模块具体用于根据目标地点的位置信息,分别将温度颜色信息和湿度颜色信息进行显示。
进一步地,信息获取模块还用于获取训练样本点的降水量和/或空气质量指数,以及训练样本点的经纬度信息,气象指标变量还包括降水量和空气质量指数,位置信息包括经纬度信息。模型确定模块还用于根据经纬度信息和降水量进行训练,获取与时间信息相应的降水量预测模型,以及用于根据经纬度信息和空气质量指数进行训练,获取与时间信息相应的空气质量预测模型。气象信息预测模块还用于根据目标地点的经纬度信息和降水量预测模型,获取目标地点的降水量预测信息,以及用于根据目标地点的经纬度信息和空气质量预测模型,获取目标地点的空气质量预测信息。显示信息转化模块还用于根据降水量颜色设置规则,将目标地点的降水量预测信息转化为降水量颜色信息,以及用于根据空气质量颜色设置规则,将目标地点的空气质量预测信息转化为空气质量颜色信息。信息显示模块还用于根据目标地点的经纬度信息,将降水量颜色信息和/或空气质量颜色信息进行显示。
进一步地,模型确定模块在根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型时,具体用于:将位置信息作为输入变量,气象指标变量作为输出变量进行训练,获取与时间信息相应的神经网络预测模型。
由上述技术方案可知,本发明气象信息的处理及展示方法、系统,采用位置信息和气象指标变量进行训练,获得与时间信息相对应的目标回归模型,运用该目标回归模型,即可获得用户指定目标地点的气象信息。采用训练方式获得相应的目标回归模型,结合目标地点的位置信息,预测的气象信息准确度高、误差小。
同时,该方法还能够根据气象指标颜色设置规则,将气象信息转化为颜色信息,并结合位置信息进行可视化显示,能够提高信息的识别度,且直观、可靠。
因此,本发明气象信息的处理及展示方法、系统,能够有效地预测目标地理位置的气象信息,且进行可视化展示,有利于提高用户体验。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种气象信息的处理及展示方法流程图;
图2示出了本发明所提供的一种气象信息的处理及展示系统的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
第一方面,本发明实施例提供一种气象信息的处理及展示方法,结合图1,该方法包括:
步骤S1,获取训练样本点的时间信息、位置信息和气象指标变量,在此,可以是全国2200个县市的当天温度值,气象指标变量还可以是湿度、空气质量指数、PM2.5等;
步骤S2,根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型,在此,如若用户预获取冬季的气象信息预测,则需采取各训练样本点在冬季的气象指标变量;
步骤S3,根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,在此,目标地点的位置信息可以是全国任意的位置;
步骤S4,根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息,在此,气象信息可以是温度、湿度、降水量或空气质量指数,颜色信息可以是颜色特性中的饱和度数值,如气象信息的数值越高,对应的颜色饱和度越大。颜色的饱和度越大,则带给人的视觉效果越强;
步骤S5,根据目标地点的位置信息,将颜色信息进行显示。
由上述技术方案可知,本实施例气象信息的处理及展示方法,采用位置信息和气象指标变量进行训练,获得与时间信息相对应的目标回归模型,运用该目标回归模型,即可获得用户指定目标地点的气象信息。该方法采用训练方式获得相应的目标回归模型,结合目标地点的位置信息,预测的气象信息准确度高、误差小。
同时,该方法还能够根据气象指标颜色设置规则,将气象信息转化为颜色信息,并结合位置信息进行可视化显示,能够提高信息的识别度,且直观、可靠。
因此,本实施例气象信息的处理及展示方法,能够有效地预测目标地理位置的气象信息,且能够进行可视化展示,有利于提高用户体验。
为了进一步提高本实施例气象信息的处理及展示方法的可靠性,具体地,目标回归模型选择神经网络预测模型,具体实现方法为:根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型;根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,具体包括:根据目标地点的位置信息和神经网络预测模型,获取目标地点的气象信息。并且,在根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型时,具体实现过程如下:将位置信息作为输入变量,气象指标变量作为输出变量进行训练,获取与时间信息相应的神经网络预测模型。
在此,该目标回归模型采用神经网络预测模型,神经网络预测模型能够将大量的数据进行处理,获得一个简单的数据模型,该模型具有自适应能力和自学习能力,有利于提高数据处理效率。
为了进一步提高本实施例气象信息的处理及展示方法的用户体验,方便用户使用,具体地,气象信息包括温度、湿度、降水量或空气质量指数,其中,本实施例气象信息的处理及展示方法,可以将温度和湿度同时处理,具体步骤如下:
根据位置信息、温度值和湿度值进行训练,获取与时间信息相应的温湿度预测模型,气象指标变量包括温度值和湿度值;
根据目标地点的位置信息和温湿度预测模型,获取目标地点的预测温度和预测湿度,气象信息包括预测温度和预测湿度;
根据温度颜色设置规则,将目标地点的预测温度转换为温度颜色信息,在此,预测温度的数值越高,则设置的颜色的饱和度越大,例如橙、红颜色的饱和度依次升高,可以用橙色表示24小时内最高温度将要升至37℃以上,用红色表示24小时内最高温度将要升至40℃以上;
根据湿度颜色设置规则,将目标地点的预测湿度转换为湿度颜色信息,在此,预测湿度的数值越高,则设置的颜色的饱和度越大;
根据目标地点的位置信息,分别将温度颜色信息和湿度颜色信息进行显示。
在此,本实施例气象信息的处理及展示方法,能够将温度和湿度同时进行处理,获取显示结果,方便用户查询任何目标地点的温度、湿度状况,且准确度高,为用户出行或温湿度查询提供便利,并且,位置信息可以是某地点的经纬度信息。
用户在进行降水量和/或空气质量指数查询时,具体步骤如下:
获取训练样本点的降水量和/或空气质量指数,以及训练样本点的经纬度信息,气象指标变量还包括降水量和空气质量指数,位置信息包括经纬度信息;
根据经纬度信息和降水量进行训练,获取与时间信息相应的降水量预测模型;
根据目标地点的经纬度信息和降水量预测模型,获取目标地点的降水量预测信息;
根据降水量颜色设置规则,将目标地点的降水量预测信息转化为降水量颜色信息,在此,降雨量的数值越高,则设置的颜色的饱和度越大,例如黄、红颜色的饱和度依次升高,可以用黄色表示6小时内降雨量将达50毫米以上,或者已达50毫米以上且将持续;用红色表示3小时内降雨量将达100毫米以上,或者已达100毫米以上且将持续;
根据经纬度信息和空气质量指数进行训练,获取与时间信息相应的空气质量预测模型;
根据目标地点的经纬度信息和空气质量预测模型,获取目标地点的空气质量预测信息;
根据空气质量颜色设置规则,将目标地点的空气质量预测信息转化为空气质量颜色信息,在此,空气质量的数值越高,则设置的颜色的饱和度越大,例如黄、橙、红颜色的饱和度依次升高,可以用黄色表示空气质量良好,对应的空气质量指数为50~100;用橙色表示轻度污染,对应的空气质量指数为100~150;用红色表示中度污染,对应的空气质量指数为150~200;
根据目标地点的经纬度信息,将降水量颜色信息和/或空气质量颜色信息进行显示。
在此,本实施例气象信息的处理及展示方法,用经纬度来表示不同的位置地点,用户可以根据不同地点的经纬度,获取各地的空气质量预测信息和/或降水量预测信息,并用不同的颜色进行显示,方便用户了解各地的降水量或空气质量指数。
第二方面,本发明实施例提供一种气象信息的处理及展示系统,结合图2,该系统包括信息获取模块1、模型确定模块2、气象信息预测模块3、显示信息转化模块4和信息显示模块5。信息获取模块1用于获取训练样本点的时间信息、位置信息和气象指标变量;模型确定模块2用于根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型;气象信息预测模块3用于根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息;显示信息转化模块4用于根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息;信息显示模块5用于根据目标地点的位置信息,将颜色信息进行显示。
由上述技术方案可知,本实施例气象信息的处理及展示系统,采用位置信息和气象指标变量进行训练,获得与时间信息相对应的目标回归模型,运用该目标回归模型,即可获得用户指定目标地点的气象信息。该系统采用训练方式获得相应的目标回归模型,结合目标地点的位置信息,预测的气象信息准确度高、误差小。
同时,该系统还能够根据气象指标颜色设置规则,将气象信息转化为颜色信息,并结合位置信息进行可视化显示,能够提高信息的识别度,且直观、可靠。
因此,本实施例气象信息的处理及展示系统,能够有效地预测目标地理位置的气象信息,且能够进行可视化展示,有利于提高用户体验。
为了进一步提高本实施例气象信息的处理及展示方法的可靠性,具体地,模型确定模块2具体用于:根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型;气象信息预测模块3具体用于:根据目标地点的位置信息和神经网络预测模型,获取目标地点的气象信息。并且,模型确定模块2在根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型时,具体用于:将位置信息作为输入变量,气象指标变量作为输出变量进行训练,获取与时间信息相应的神经网络预测模型。
在此,该气象信息预测模块3中的目标回归模型采用神经网络预测模型,神经网络预测模型能够将大量的数据进行处理,获得一个简单的数据模型,该模型具有自适应力和自学习能力,有利于提高数据处理效率。
为了进一步提高本实施例气象信息的处理及展示系统的用户体验,方便用户使用,具体地,气象信息包括温度、湿度、降水量或空气质量指数,其中,本实施例气象信息的处理及展示系统,可以将温度和湿度同时处理,模型确定模块2具体用于根据位置信息、温度值和湿度值进行训练,获取与时间信息相应的温湿度预测模型,气象指标变量包括温度值和湿度值。气象信息预测模块3具体用于根据目标地点的位置信息和温湿度预测模型,获取目标地点的预测温度和预测湿度,气象信息包括预测温度和预测湿度。显示信息转化模块4具体用于根据温度颜色设置规则,将目标地点的预测温度转换为温度颜色信息;根据湿度颜色设置规则,将目标地点的预测湿度转换为湿度颜色信息。信息显示模块5具体用于根据目标地点的位置信息,分别将温度颜色信息和湿度颜色信息进行显示。
在此,本实施例气象信息的处理及展示系统,能够将温度和湿度同时进行处理,获取显示结果,方便用户查询任何目标地点的温度、湿度状况,且准确度高,为用户出行或温湿度查询提供便利。
用户在进行降水量和/或空气质量指数查询时,信息获取模块1还用于获取训练样本点的降水量和/或空气质量指数,以及训练样本点的经纬度信息,气象指标变量还包括降水量和空气质量指数,位置信息包括经纬度信息。模型确定模块2还用于根据经纬度信息和降水量进行训练,获取与时间信息相应的降水量预测模型,以及用于根据经纬度信息和空气质量指数进行训练,获取与时间信息相应的空气质量预测模型。气象信息预测模块3还用于根据目标地点的经纬度信息和降水量预测模型,获取目标地点的降水量预测信息,以及用于根据目标地点的经纬度信息和空气质量预测模型,获取目标地点的空气质量预测信息。显示信息转化模块4还用于根据降水量颜色设置规则,将目标地点的降水量预测信息转化为降水量颜色信息,以及用于根据空气质量颜色设置规则,将目标地点的空气质量预测信息转化为空气质量颜色信息。信息显示模块5还用于根据目标地点的经纬度信息,将降水量颜色信息和/或空气质量颜色信息进行显示。
在此,本实施例气象信息的处理及展示系统,用经纬度来表示不同的位置地点,用户可以根据不同地点的经纬度,获取各地的空气质量预测信息和/或降水量预测信息,并用不同的颜色进行显示,方便用户了解各地的降水量或空气质量指数。并且,用户在查询温度或湿度时,也可以采用各地点的经纬度。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种气象信息的处理及展示方法,其特征在于,包括:
获取训练样本点的时间信息、位置信息和气象指标变量;
根据所述位置信息和所述气象指标变量进行训练,获取与所述时间信息相应的目标回归模型;
根据目标地点的位置信息和所述目标回归模型,获取目标地点的气象信息;
根据气象指标颜色设置规则,将所述目标地点的气象信息转化为颜色信息;
根据所述目标地点的位置信息,将所述颜色信息进行显示。
2.根据权利要求1所述气象信息的处理及展示方法,其特征在于,所述根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型,具体包括:根据所述位置信息和所述气象指标变量进行训练,获得与所述时间信息相应的神经网络预测模型;
所述根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,具体包括:根据所述目标地点的位置信息和所述神经网络预测模型,获取目标地点的气象信息。
3.根据权利要求1所述气象信息的处理及展示方法,其特征在于,
所述根据位置信息和气象指标变量进行训练,获取与时间信息相应的目标回归模型,具体包括:根据所述位置信息、所述温度值和所述湿度值进行训练,获取与所述时间信息相应的温湿度预测模型,所述气象指标变量包括所述温度值和所述湿度值;
所述根据目标地点的位置信息和目标回归模型,获取目标地点的气象信息,具体包括:根据所述目标地点的位置信息和所述温湿度预测模型,获取所述目标地点的预测温度和预测湿度,所述气象信息包括所述预测温度和所述预测湿度;
所述根据气象指标颜色设置规则,将目标地点的气象信息转化为颜色信息,具体包括:根据所述温度颜色设置规则,将所述目标地点的预测温度转换为温度颜色信息;
根据所述湿度颜色设置规则,将所述目标地点的预测湿度转换为湿度颜色信息;
所述根据目标地点的位置信息,将颜色信息进行显示,具体包括:根据所述目标地点的位置信息,分别将所述温度颜色信息和所述湿度颜色信息进行显示。
4.根据权利要求3所述气象信息的处理及展示方法,其特征在于,该方法还包括:获取所述训练样本点的降水量和/或空气质量指数,以及所述训练样本点的经纬度信息,所述气象指标变量还包括所述降水量和所述空气质量指数,所述位置信息包括所述经纬度信息;
根据所述经纬度信息和所述降水量进行训练,获取与所述时间信息相应的降水量预测模型;
根据目标地点的经纬度信息和所述降水量预测模型,获取目标地点的降水量预测信息;
根据降水量颜色设置规则,将所述目标地点的降水量预测信息转化为降水量颜色信息;
根据所述经纬度信息和所述空气质量指数进行训练,获取与所述时间信息相应的空气质量预测模型;
根据目标地点的经纬度信息和所述空气质量预测模型,获取目标地点的空气质量预测信息;
根据空气质量颜色设置规则,将所述目标地点的空气质量预测信息转化为空气质量颜色信息;
根据所述目标地点的经纬度信息,将所述降水量颜色信息和/或所述空气质量颜色信息进行显示。
5.根据权利要求2所述气象信息的处理及展示方法,其特征在于,
所述根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型,具体包括:将所述位置信息作为输入变量,所述气象指标变量作为输出变量进行训练,获取与所述时间信息相应的神经网络预测模型。
6.一种气象信息的处理及展示系统,其特征在于,包括:
信息获取模块:用于获取训练样本点的时间信息、位置信息和气象指标变量;
模型确定模块:用于根据所述位置信息和所述气象指标变量进行训练,获取与所述时间信息相应的目标回归模型;
气象信息预测模块:用于根据目标地点的位置信息和所述目标回归模型,获取目标地点的气象信息;
显示信息转化模块:用于根据气象指标颜色设置规则,将所述目标地点的气象信息转化为颜色信息;
信息显示模块:用于根据所述目标地点的位置信息,将所述颜色信息进行显示。
7.根据权利要求6所述气象信息的处理及展示系统,其特征在于,所述模型确定模块具体用于:根据所述位置信息和所述气象指标变量进行训练,获得与所述时间信息相应的神经网络预测模型;
所述气象信息预测模块具体用于:根据所述目标地点的位置信息和所述神经网络预测模型,获取目标地点的气象信息。
8.根据权利要求6所述气象信息的处理及展示系统,其特征在于,
所述模型确定模块具体用于:根据所述位置信息、所述温度值和所述湿度值进行训练,获取与所述时间信息相应的温湿度预测模型,所述气象指标变量包括所述温度值和所述湿度值;
所述气象信息预测模块具体用于:根据所述目标地点的位置信息和所述温湿度预测模型,获取所述目标地点的预测温度和预测湿度,所述气象信息包括所述预测温度和所述预测湿度;
所述显示信息转化模块具体用于:根据所述温度颜色设置规则,将所述目标地点的预测温度转换为温度颜色信息;根据所述湿度颜色设置规则,将所述目标地点的预测湿度转换为湿度颜色信息;
所述信息显示模块具体用于:根据所述目标地点的位置信息,分别将所述温度颜色信息和所述湿度颜色信息进行显示。
9.根据权利要求8所述气象信息的处理及展示系统,其特征在于,
所述信息获取模块还用于获取所述训练样本点的降水量和/或空气质量指数,以及所述训练样本点的经纬度信息,所述气象指标变量还包括所述降水量和所述空气质量指数,所述位置信息包括所述经纬度信息;
所述模型确定模块还用于根据所述经纬度信息和所述降水量进行训练,获取与所述时间信息相应的降水量预测模型,以及用于根据所述经纬度信息和所述空气质量指数进行训练,获取与所述时间信息相应的空气质量预测模型;
所述气象信息预测模块还用于根据目标地点的经纬度信息和所述降水量预测模型,获取目标地点的降水量预测信息,以及用于根据目标地点的经纬度信息和所述空气质量预测模型,获取目标地点的空气质量预测信息;
所述显示信息转化模块还用于根据降水量颜色设置规则,将所述目标地点的降水量预测信息转化为降水量颜色信息,以及用于根据空气质量颜色设置规则,将所述目标地点的空气质量预测信息转化为空气质量颜色信息;
所述信息显示模块还用于根据所述目标地点的经纬度信息,将所述降水量颜色信息和/或所述空气质量颜色信息进行显示。
10.根据权利要求7所述气象信息的处理及展示系统,其特征在于,
所述模型确定模块在根据位置信息和气象指标变量进行训练,获得与时间信息相应的神经网络预测模型时,具体用于:将所述位置信息作为输入变量,所述气象指标变量作为输出变量进行训练,获取与所述时间信息相应的神经网络预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877694.6A CN106446226B (zh) | 2016-09-30 | 2016-09-30 | 气象信息的处理及展示方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877694.6A CN106446226B (zh) | 2016-09-30 | 2016-09-30 | 气象信息的处理及展示方法、系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106446226A true CN106446226A (zh) | 2017-02-22 |
CN106446226B CN106446226B (zh) | 2020-07-17 |
Family
ID=58172254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610877694.6A Active CN106446226B (zh) | 2016-09-30 | 2016-09-30 | 气象信息的处理及展示方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446226B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN110020202A (zh) * | 2019-03-27 | 2019-07-16 | 苏州华恒展览设计营造有限公司 | 气象数据展示系统 |
CN110119002A (zh) * | 2019-04-28 | 2019-08-13 | 武汉企鹅能源数据有限公司 | 基于大数据的气象ai平台 |
CN110807549A (zh) * | 2019-10-29 | 2020-02-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种气象预测模型的生成方法、生成装置、生成系统及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6535817B1 (en) * | 1999-11-10 | 2003-03-18 | The Florida State Research Foundation | Methods, systems and computer program products for generating weather forecasts from a multi-model superensemble |
CN102915387A (zh) * | 2012-09-10 | 2013-02-06 | 中国电力科学研究院 | 一种电网冰区分布图绘制方法 |
CN104392113A (zh) * | 2014-11-11 | 2015-03-04 | 宁波市气象台 | 一种近海海面冷空气大风风速的估算方法 |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及系统 |
CN105243444A (zh) * | 2015-10-09 | 2016-01-13 | 杭州尚青科技有限公司 | 一种基于在线多核回归的城市监测站点空气质量预测方法 |
-
2016
- 2016-09-30 CN CN201610877694.6A patent/CN106446226B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6535817B1 (en) * | 1999-11-10 | 2003-03-18 | The Florida State Research Foundation | Methods, systems and computer program products for generating weather forecasts from a multi-model superensemble |
CN102915387A (zh) * | 2012-09-10 | 2013-02-06 | 中国电力科学研究院 | 一种电网冰区分布图绘制方法 |
CN104392113A (zh) * | 2014-11-11 | 2015-03-04 | 宁波市气象台 | 一种近海海面冷空气大风风速的估算方法 |
CN105181898A (zh) * | 2015-09-07 | 2015-12-23 | 李岩 | 基于大密度部署传感器的大气污染监控及管理方法及系统 |
CN105243444A (zh) * | 2015-10-09 | 2016-01-13 | 杭州尚青科技有限公司 | 一种基于在线多核回归的城市监测站点空气质量预测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN109115949B (zh) * | 2018-07-26 | 2020-12-11 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN110020202A (zh) * | 2019-03-27 | 2019-07-16 | 苏州华恒展览设计营造有限公司 | 气象数据展示系统 |
CN110119002A (zh) * | 2019-04-28 | 2019-08-13 | 武汉企鹅能源数据有限公司 | 基于大数据的气象ai平台 |
CN110807549A (zh) * | 2019-10-29 | 2020-02-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种气象预测模型的生成方法、生成装置、生成系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106446226B (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Profile and concentric zonal analysis of relationships between land use/land cover and land surface temperature: Case study of Shenyang, China | |
CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
Li et al. | Estimating bamboo forest aboveground biomass using EnKF-assimilated MODIS LAI spatiotemporal data and machine learning algorithms | |
CN106446226A (zh) | 气象信息的处理及展示方法、系统 | |
CN103413036B (zh) | 一种连续化的森林火险天气等级预报方法 | |
CN107341134A (zh) | 一种对数值预报格点温度预报数据精细化处理的方法 | |
CN110222911A (zh) | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 | |
CN111339092B (zh) | 一种基于深度学习的多尺度空气质量预报方法 | |
CN105760970A (zh) | 空气质量指数的预测方法 | |
CN113779760B (zh) | 基于可预测气候模态的动力-统计结合季节气候预测方法 | |
Chen et al. | Integrating weather observations and local-climate-zone-based landscape patterns for regional hourly air temperature mapping using machine learning | |
CN115808727A (zh) | 百米级阵风客观预报方法及装置 | |
Seebacher et al. | Visual analytics of volunteered geographic information: Detection and investigation of urban heat islands | |
CN117335411B (zh) | 一种光伏电站群的中长期发电量预测方法 | |
Xie | Combining CERES-Wheat model, Sentinel-2 data, and deep learning method for winter wheat yield estimation | |
CN110020202A (zh) | 气象数据展示系统 | |
CN111967661B (zh) | 机场跑道运行方向的决策方法、系统、存储介质和设备 | |
CN106447072A (zh) | 基于显式遗传算法和奇异谱分析的气象水文要素预报方法 | |
Meng et al. | Characterizing the provision and inequality of primary school greenspaces in China’s major cities based on multi-sensor remote sensing | |
CN108596425A (zh) | 一种多中心城市发展边界划定方法 | |
Lu et al. | Analysing the forcing mechanisms for net primary productivity changes in the Heihe River Basin, north‐west China | |
Chao et al. | A spatio-temporal neural network learning system for city-scale carbon storage capacity estimating | |
AU2021105817A4 (en) | Method for Reconstructing global Surface Temperature | |
Plumejeaud-Perreau et al. | Building Local Climate Zones by using socio-economic and topographic vectorial databases | |
CN115034598A (zh) | 一种基于架空线路工程造价数据分析评审分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 518000 2203/2204, Building 1, Huide Building, Beizhan Community, Minzhi Street, Longhua District, Shenzhen, Guangdong Patentee after: SHENZHEN AUDAQUE DATA TECHNOLOGY Ltd. Address before: 518000 units J and K, 12 / F, block B, building 7, Baoneng Science Park, Qinghu Industrial Zone, Qingxiang Road, Longhua New District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN AUDAQUE DATA TECHNOLOGY Ltd. |