CN110162587A - 面向户外健身运动的气象参考指数生成方法 - Google Patents

Abstract

本发明实施例涉及一种面向户外健身运动的气象参考指数生成方法，所述方法包括：获取第一时段的气象信息基础数据，包括污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据；对第一时段的气象信息基础数据进行处理，得到所对应的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数；确定上述参数中是否存在至少一个参数达到或超出相应项目的参数临界值；当不存在时，获取基于数据优化训练得到的气象参考指数预测模型；根据气象参考指数预测模型的计算结果，确定第一时段的气象参考指数，并根据空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息。

Description

面向户外健身运动的气象参考指数生成方法

技术领域

本发明涉及气象服务技术领域，尤其涉及一种面向户外健身运动的气象参考指数生成方法。

背景技术

气象服务涉及人们生活的方方面面，随着科技的进步，电视、电脑、智能手机等可视化设备的不断普及、小型化、便携化，使得人们从传统的通过电视、广播节目的气象播报，变为随时随地可以查看到可视化的气象服务信息。

随着社会的进步，简单的气象播报已经不能满足人们的要求，面向不同用户不同人群的气象播报也随之应运而生。气象播报采用了更加直观的通过指数来指示各类气象相关项目的信息和适宜程度，例如：洗车指数、交通气象指数、穿衣指数等等。

对于人们越来越注重的健身运动，当然也有相应的指数作为参考，通过结合紫外线、风力、气压、温度、光照以及雨雪沙尘等的数据，为广大老百姓提供的是否适宜运动的建议。

但是，目前现有的运动指数，大都是比较粗略的一个参考数据，比如在上海市气象据网站上对于运动指数的播报为：有阵雨天气，不太适宜户外体育活动。而对于真正进行户外运动的人群而言，他们通常都会有自己较为固定的运动时间，以及运动方式，因此更加关注更为精细化的，更为准确的，面向更小间隔时段的运动指数的预报。这也是本发明所提出解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种面向户外健身运动的气象参考指数生成方法，对于公众普遍关心的户外健身运动，基于分时段的气象数据，对天气信息、污染指数、温度、风力风速等多种气象要素进行综合计算，并建立合理有效的决策机制，从而得出更加具有指导意义的量化的分时段的气象参考指数，为用户提供更加精准的面向户外健身运动的气象条件参考信息。

为实现上述目的，本发明提供了一种面向户外健身运动的气象参考指数生成方法，包括：

获取第一时段的气象信息基础数据；所述气象信息基础数据包括：污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据；

对所述第一时段的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据分别进行处理，得到所对应的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数；

确定所述空气质量项参数、气象分类项参数和风力风速项参数中是否存在至少一个参数达到或超出相应项目的参数临界值；

当存在至少一个参数达到或超出相应项目的参数临界值时，输出预定的最高级别指数，并根据达到或超出参数临界值的项目确定输出的提示信息；

当不存在任何一个参数达到或超出相应项目的参数临界值时，获取基于数据优化训练得到的气象参考指数预测模型；所述气象参考指数预测模型的自变量为各项参数，包括空气质量项参数、气象分类项参数、温度项参数和风力风速项参数，因变量为气象参考指数；所述气象参考指数预测模型中，各项参数分别具有基于数据优化训练得到的权重系数；

根据所述气象参考指数预测模型的计算结果，确定所述第一时段的气象参考指数，并根据所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息。

优选的，所述第一时段的气象信息基础数据具体为：

所述第一时段内的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据；或者

所述第一时段及所述第一时段之前/后预设时长时段内的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据。

优选的，所述对所述第一时段的污染物浓度预测数据进行处理，得到所对应的空气质量项参数具体包括：

根据所述第一时段的污染物浓度预测数据，按照设定的第一对应关系得到空气质量指数AQI；

根据AQI进行数据归一化处理，得到所述空气质量项参数。

优选的，所述对所述第一时段的气象分类信息预测数据进行处理，得到所对应的气象分类项参数具体包括：

确定所述第一时段的气象分类信息预测数据对应的气象分类代码；

基于设定的第二对应关系，根据所述气象分类代码确定所对应的气象分类项参数；所述设定的第二对应关系按照归一化参数设定。

优选的，所述对所述第一时段的温度预测数据进行处理，得到所对应的温度项参数具体包括：

确定所述第一时段的温度预测数据所在区间范围；

根据所述所在区间范围，按照设定的第三对应关系得到所述温度项参数；所述设定的第三对应关系按照归一化参数设定。

优选的，所述对所述第一时段的风力风速预测数据进行处理，得到所对应的风力风速项参数具体包括：

确定所述风力风速预测数据对应的风力等级；

根据所述风力等级，按照设定的第四对应关系得到所述风力风速项参数；所述设定的第四对应关系按照归一化参数设定。

优选的，所述根据所述气象参考指数预测模型的计算结果，确定所述第一时段的气象参考指数具体包括：

将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为自变量输入所述气象参考指数预测模型，得到气象参考参数数据；

根据所述气象参考参数数据对应得到所述气象参考指数。

进一步优选的，所述将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为自变量输入所述气象参考指数预测模型，得到气象参考参数数据具体为：

气象参考参数数据＝32％×空气质量项参数+28％×气象分类项参数+25％×温度项参数+15％×风力风速项参数。

优选的，所述根据所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息具体包括：

将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数进行比较，确定其中数值最小的一项参数；

在对应气象参考指数设定的多个提示信息中确定所述一项参数对应的提示信息，作为输出的提示信息。

优选的，所述数据优化训练具体为：

将所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为样本数据中的自变量样本数据，将根据实测的各项参数得到的气象参考指数作为样本数据中的因变量样本数据；

采用一定量的样本数据进行所述气象参考指数预测模型的训练，确定所述基于数据优化训练得到的权重系数。

本发明提供了一种面向户外健身运动的气象参考指数生成方法，对于公众普遍关心的户外健身运动，基于分时段的气象数据，对天气信息、污染指数、温度、风力风速等多种气象要素进行综合计算，并建立合理有效的决策机制，从而得出更加具有指导意义的量化的分时段的气象参考指数，为用户提供更加精准的面向户外健身运动的气象条件参考信息。

附图说明

图1为本发明实施例提供的面向户外健身运动的气象参考指数生成方法流程图；

图2为本发明实施例提供的气象参考指数与输出提示信息的关系表。

具体实施方式

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

本发明用于为户外健身运动人群，如跑步、健步走、自行车运动等人群提供更加具有指导意义的量化的分时段的气象参考指数，使得用户得到更加精准的面向户外健身运动的气象条件参考信息。该方法可以运行于气象信息处理系统中。

图1为本发明实施例提供的面向户外健身运动的气象参考指数生成方法流程图，如图所示，该方法包括如下步骤：

步骤110，获取第一时段的气象信息基础数据；

具体的，对于第一时段的气象参考指数，是依据第一时段的气象信息基础数据进行处理获得的。第一时段的气象信息基础数据可以是利用第一时段内的气象信息基础数据或者可以是综合第一时段及其前/后一定时间内的数据。气象信息基础数据可以包括：污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据，或还可以包括其他对户外运动产生较大影响的气象数据。

比如，我们需要对未来24小时按小时划分进行分时段预测，以其中对第四小时的预测为例，可以获取第四小时的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据作为所需要的气象信息基础数据，或者，可以根据设定(综合第一时段及其前/后1小时)，获取第四小时及其前后各1小时的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据作为所需要的气象信息基础数据，也可以是根据设定(综合第一时段及其后3小时)，获取第四小时及其之后3小时的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据作为所需要的气象信息基础数据。

步骤120，对第一时段的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据分别进行处理，得到所对应的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数；

具体的，对不同预测数据的处理是有所差别的，下面逐一进行说明。首先需要说明的是，为了方便和直观的量化数据比对，我们在将预测数据处理为各项参数数据时采用了归一化处理的方式，将处理后的数据经过变换全部对应到无量纲的标量数据，为方便数据的读取，归一化后的参数范围为0-100，而非传统理解的归一化后的0-1。它们在实质上是相同的。

首先，对第一时段的污染物浓度预测数据进行处理，得到所对应的空气质量项参数具体可以根据第一时段的污染物浓度预测数据，按照设定的第一对应关系得到空气质量指数(Air Quality Index,AQI),然后根据AQI进行数据归一化处理，得到空气质量项参数。

在一个具体的实施例中，如下表1所示。污染物浓度预测数据如表1中最左侧一列，通过设定好的对应关系，对应得到AQI，然后对AQI进行归一化处理，得到表1最右侧一列的空气质量项参数。该参数为无量纲数据。

PM2.5 24小时浓度均值	空气质量(AQI)	空气质量项参数
			0-35	0-50	100
35-75	51-100	50
			75-115	101-150	30
115-150	151-200	5
			150-250	201-300	5
250-500	〉300	0

表1

这样设定是以针对户外跑步的适宜空气质量进行的范围设定和划分，当然在其它实施例中可以采用不同的数值区间设定来更好的匹配所指示的户外健身运动。

第二，对第一时段的气象分类信息预测数据进行处理，得到所对应的气象分类项参数具体可以通过确定第一时段的气象分类信息预测数据对应的气象分类代码，然后基于设定的第二对应关系，根据气象分类代码确定所对应的气象分类项参数；其中，设定的第二对应关系按照归一化参数设定。

气象分类信息预测数据可以具体包括：晴(00)、多云(01)、阴(02)、阵雨(03)、雷阵雨(04)、雷阵雨伴有冰雹(05)、雨夹雪(06)、小雨(07)、中雨(08)、大雨(09)、暴雨(10)、大暴雨(11)、特大暴雨(12)、阵雪(13)、小雪(14)、中雪(15)、大雪(16)、暴雪(17)、雾(18)、冻雨(19)、沙尘暴(20)、小到中雨(21)、中到大雨(22)、大到暴雨(23)、暴雨到大暴雨(24)、大暴雨到特大暴雨(25)、小到中雪(26)、中到大雪(27)、大到暴雪(28)、浮尘(29)、扬沙(30)、强沙尘暴(31)、浓雾(32)、强浓雾(49)、霾(53)、中度霾(54)、重度霾(55)、严重霾(56)、大雾(57)、特强浓雾(58)、无Unknown(99)。其中，阴晴雨雪等为气象分类信息预测数据，括号内的数字为其对应的气象分类代码。

在一个具体的实施例中，设定对应关系，规定气象分类代码00所对应的气象分类项参数为100，气象分类代码01所对应的气象分类项参数为75，气象分类代码02所对应的气象分类项参数为50，气象分类代码07所对应的气象分类项参数为25，其余气象分类代码对应的气象分类项参数为0。这样也就将气象分类信息预测数据对应到无量纲的气象分类项参数上。

在本例中，对应到气象分类项参数的规则是根据户外跑步运动而设定的，在此仅作为举例说明，当然可以针对其他户外健身运动可以采用不同的设定方式来更好的匹配所指示的户外健身运动。

第三，对第一时段的温度预测数据进行处理，得到所对应的温度项参数具体可以通过确定第一时段的温度预测数据所在区间范围，然后根据所在区间范围，按照设定的第三对应关系得到温度项参数；其中，设定的第三对应关系按照归一化参数设定。

温度预测数据即第一时段或综合其前/后时段的预测平均温度，通过确定该预测平均温度所在温度区间，对应得到温度项参数。

在一个具体的例子中，其对应关系可以按照如下表2规定。

温度区间	温度项参数
		<-4°	0
-4°-5°	50
		5°-24°	100
24°-27°	50
		>27°	0

表2

这样设定是以针对户外跑步的适宜温度进行的范围设定和划分，在此仅作为举例说明。当然在其它实施例中可以采用不同的温度区间设定来更好的匹配所指示的户外健身运动。

最后，对第一时段的风力风速预测数据进行处理，得到所对应的风力风速项参数可以通过确定风力风速预测数据对应的风力等级，然后根据风力等级，按照设定的第四对应关系得到风力风速项参数；其中，设定的第四对应关系按照归一化参数设定。

风力风速预测数据是指实际预测的在第一时段或第一时段及其前/后设定时间内的风力风速预测平均值，然后根据这个数据对应到风力等级，再根据风力等级对应到风力风速项参数。

在一个具体的例子中，其对应关系可以按照如下表3规定。

风力等级	风力风速项参数
		0-2级	100
2-4级	80
		4-6级	50
7级及以上	0

表3

这样设定是以针对户外跑步的适宜风力等级进行的范围设定和划分，在此仅作为举例说明。当然在其它实施例中可以采用不同的风力等级区间设定来更好的匹配所指示的户外健身运动。

步骤130，确定空气质量项参数、气象分类项参数和风力风速项参数中是否存在至少一个参数达到或超出相应项目的参数临界值；

当存在至少一个参数达到或超出相应项目的参数临界值时，执行步骤140，当不存在任何一个参数达到或超出相应项目的参数临界值时执行步骤150。

步骤140，输出预定的最高级别指数，并根据达到或超出参数临界值的项目确定输出的提示信息；

具体的，对于任意参数达到或超出临界值，可以直接被判定为不适宜进行户外健身运动，即判定为气象参考指数的最高级别，并且，根据达到或超出临界值的那一项参数，确定输出的提示信息。

图2为一个具体的实施例中气象参考指数与输出提示信息的关系表，当因为某项参数达到或超出临界值时直接判定为4级，如果是因空气质量参数达到或超出临界值的原因，则相应输出提示信息为其中b项：空气质量报表拉，不要去室外吸霾，做些室内活动吧。用户可以根据该提示信息直观的清楚了解到其要查询的健身运动时间时的气象参考指数，以及不适宜进行户外运动的原因。

当然还可能存在同时两项或以上气象参考指数超标的情况，在这种情况下，可以随机从规定的输出提示信息中选择一个进行输出。

在本例中，临界值可设定为20或者20以下的任意数值，或者可以直接设定为0。

步骤150，获取基于数据优化训练得到的气象参考指数预测模型；

其中，气象参考指数预测模型的自变量为各项参数，包括空气质量项参数、气象分类项参数、温度项参数和风力风速项参数，因变量为气象参考指数；在气象参考指数预测模型中，各项参数分别具有基于数据优化训练得到的权重系数。

具体的，数据优化训练具体是指，将空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为样本数据中的自变量样本数据，将根据实测的各项参数得到的气象参考指数作为样本数据中的因变量样本数据，采用一定量的样本数据进行气象参考指数预测模型的训练，确定基于数据优化训练得到模型中权重系数的过程。

本发明经过大量数据统计分析和数据优化训练，得到的气象参考指数预测模型为：气象参考参数数据＝32％×空气质量项参数+28％×气象分类项参数+25％×温度项参数+15％×风力风速项参数。

也就是说，将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为自变量输入所述气象参考指数预测模型，得到气象参考参数数据；然后再根据气象参考参数数据对应得到气象参考指数。

气象参考参数数据和气象参考指数的对应关系详见图2中第二列，其中的数字0-20，21-40，41-80，81-100即为气象参考参数数据的范围，将计算得到的气象参考参数数据与这些范围进行比对，从而确定其对应的气象参考指数为1级、2级、3级或是4级。

步骤160，根据气象参考指数预测模型的计算结果，确定第一时段的气象参考指数，并根据空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息。

具体的，在确定了气象参考指数之后，将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数进行比较，确定其中数值最小的一项参数，在对应气象参考指数设定的多个提示信息中确定所述一项参数对应的提示信息，作为输出的提示信息。

比如，确定了气象参考指数为3级，同时其中风力风速项参数的值最小，则输出提示信息为“这种风力下跑步，您一定是个不在意发型的人吧～”。

当然还可能存在同时两项或以上气象参考指数都比较小且数值相同的情况，在这种情况下，可以随机从规定该等级的输出提示信息中选择一个进行输出。

在通过本发明的面向户外健身运动的气象参考指数生成方法为用户提供服务时，例如用户在1月10日上午10：00查询当天下午15：00和18：00这两个时段的气象参考指数时，可能得到的信息如下：

1月10日下午15：00，温度8°，晴，风力3级，空气质量30。户外健身运动气象参考指数90，此刻天气非常适合跑步，出来运动一下吧。

1月10日下午18：00，温度-5°，阴，风力6级，空气质量130。户外健身运动气象参考指数15，不适合户外跑步，安排一些室内运动吧。

本发明实施例提供的面向户外健身运动的气象参考指数生成方法，对于公众普遍关心的户外健身运动，基于分时段的气象数据，对天气信息、污染指数、温度、风力风速等多种气象要素进行综合计算，并建立合理有效的决策机制，从而得出更加具有指导意义的量化的分时段的气象参考指数，为用户提供更加精准的面向户外健身运动的气象条件参考信息。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种面向户外健身运动的气象参考指数生成方法，其特征在于，所述方法包括：

获取第一时段的气象信息基础数据；所述气象信息基础数据包括：污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据；

对所述第一时段的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据分别进行处理，得到所对应的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数；

确定所述空气质量项参数、气象分类项参数和风力风速项参数中是否存在至少一个参数达到或超出相应项目的参数临界值；

当存在至少一个参数达到或超出相应项目的参数临界值时，输出预定的最高级别指数，并根据达到或超出参数临界值的项目确定输出的提示信息；

当不存在任何一个参数达到或超出相应项目的参数临界值时，获取基于数据优化训练得到的气象参考指数预测模型；所述气象参考指数预测模型的自变量为各项参数，包括空气质量项参数、气象分类项参数、温度项参数和风力风速项参数，因变量为气象参考指数；所述气象参考指数预测模型中，各项参数分别具有基于数据优化训练得到的权重系数；

根据所述气象参考指数预测模型的计算结果，确定所述第一时段的气象参考指数，并根据所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息。

2.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述第一时段的气象信息基础数据具体为：

所述第一时段内的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据；或者

所述第一时段及所述第一时段之前/后预设时长时段内的污染物浓度预测数据、气象分类信息预测数据、温度预测数据和风力风速预测数据。

3.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述对所述第一时段的污染物浓度预测数据进行处理，得到所对应的空气质量项参数具体包括：

根据所述第一时段的污染物浓度预测数据，按照设定的第一对应关系得到空气质量指数AQI；

根据AQI进行数据归一化处理，得到所述空气质量项参数。

4.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述对所述第一时段的气象分类信息预测数据进行处理，得到所对应的气象分类项参数具体包括：

确定所述第一时段的气象分类信息预测数据对应的气象分类代码；

基于设定的第二对应关系，根据所述气象分类代码确定所对应的气象分类项参数；所述设定的第二对应关系按照归一化参数设定。

5.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述对所述第一时段的温度预测数据进行处理，得到所对应的温度项参数具体包括：

确定所述第一时段的温度预测数据所在区间范围；

根据所述所在区间范围，按照设定的第三对应关系得到所述温度项参数；所述设定的第三对应关系按照归一化参数设定。

6.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述对所述第一时段的风力风速预测数据进行处理，得到所对应的风力风速项参数具体包括：

确定所述风力风速预测数据对应的风力等级；

根据所述风力等级，按照设定的第四对应关系得到所述风力风速项参数；所述设定的第四对应关系按照归一化参数设定。

7.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述根据所述气象参考指数预测模型的计算结果，确定所述第一时段的气象参考指数具体包括：

将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为自变量输入所述气象参考指数预测模型，得到气象参考参数数据；

根据所述气象参考参数数据对应得到所述气象参考指数。

8.根据权利要求7所述的气象参考指数生成方法，其特征在于，所述将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为自变量输入所述气象参考指数预测模型，得到气象参考参数数据具体为：

气象参考参数数据＝32％×空气质量项参数+28％×气象分类项参数+25％×温度项参数+15％×风力风速项参数。

9.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述根据所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数的大小确定输出的提示信息具体包括：

将归一化处理的空气质量项参数、气象分类项参数、温度项参数和风力风速项参数进行比较，确定其中数值最小的一项参数；

在对应气象参考指数设定的多个提示信息中确定所述一项参数对应的提示信息，作为输出的提示信息。

10.根据权利要求1所述的气象参考指数生成方法，其特征在于，所述数据优化训练具体为：

将所述空气质量项参数、气象分类项参数、温度项参数和风力风速项参数作为样本数据中的自变量样本数据，将根据实测的各项参数得到的气象参考指数作为样本数据中的因变量样本数据；

采用一定量的样本数据进行所述气象参考指数预测模型的训练，确定所述基于数据优化训练得到的权重系数。