CN112000683B - 数据处理方法、装置及设备 - Google Patents
数据处理方法、装置及设备 Download PDFInfo
- Publication number
- CN112000683B CN112000683B CN202010863766.8A CN202010863766A CN112000683B CN 112000683 B CN112000683 B CN 112000683B CN 202010863766 A CN202010863766 A CN 202010863766A CN 112000683 B CN112000683 B CN 112000683B
- Authority
- CN
- China
- Prior art keywords
- grid
- grids
- weather data
- geographic area
- layer
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
Abstract
本申请实施例提供一种数据处理方法、装置及设备,该方法包括:确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。提高订正天气数据对应的模型的效率。
Description
技术领域
本申请涉及空气质量模式预报领域,尤其涉及一种数据处理方法、装置及设备。
背景技术
目前,空气污染问题日益严重,空气质量数值模式预报可以帮助公众合理的预防空气污染引起的健康风险。
现有技术中,为了提高空气质量数值模式预报的准确性,通常根据相关参数(例如排放源清单、气象条件),改变空气质量数值模式的初始条件,来获取空气质量数值模式预报的数据,根据空气质量数值模式预报的数据,生成空气质量数值模式预报。然而,在上述过程中,获取的空气质量数值模式预报的数据不准确时,生成空气质量数值模式预报的准确度较低,需要对空气质量数值模式预报进行订正。通过调整输入的相关参数,重新获取的空气质量数值模式预报的数据,进而生成新的空气质量数值模式预报,但是,这样导致对空气质量模式预报订正的效率较低。
发明内容
本申请提供一种数据处理方法、装置及设备。提高了订正天气数据对应的模型的效率。
第一方面,本申请实施例提供一种数据处理方法,所述方法包括:
确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;
在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;
按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。
在一种可能的实施方式中,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,包括:
确定每层网格对应的修订参数;
根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,所述i依次取1、2、……、M。
在一种可能的实施方式中,根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,包括:
将所述第i层网格对应的修订参数乘以所述第i层网格对应的天气数据,得到第i层网格对应的更新后的天气数据。
在一种可能的实施方式中,在网格模型中确定所述第一地理区域对应的N个网格,包括:
在所述网格模型中确定所述第一地理区域对应的Xi个第i层网格,所述i依次取1、2、……、M;
在另一种可能的实施方式中,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据之后,还包括:
根据所述第一地理区域对应的更新后的天气数据,确定所述第一地理区域对应的色彩分布图,所述色彩分布图用于指示所述第一地理区域的天气数据;
根据所述第一地理区域对应的色彩分布图,更新所述网格模型对应的色彩分布图。
在另一种可能的实施方式中,在网格模型中确定所述第一地理区域对应的N个网格之前,还包括:
根据待监测的地理区域的大小,确定网格层数;
根据所述网格层数和所述待监测的地理区域,确定所述网格模型。
在一种可能的实施方式中,根据所述网格层数和所述待监测的地理区域,确定所述网格模型,包括:
确定第i层网格包括的网格数量2k*i,所述i依次取1、2、……、M;
根据每层网格包括的网格数量,确定M层网格;
根据所述待监测的地理区域,分别确定所述M层网格中每个网格对应的地理坐标,得到所述网格模型。
第二方面,本申请实施例提供一种数据处理装置,所述装置包括:第一确定模块、第二确定模块和第一更新模块,其中:
所述第一确定模块用于,确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;
所述第二确定模块用于,在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;
所述第一更新模块用于,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。
在一种可能的实施方式中,所述第一更新模块具体用于:
确定每层网格对应的修订参数;
根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,所述i依次取1、2、……、M。
在一种可能的实施方式中,所述第一更新模块具体用于:
将所述第i层网格对应的修订参数乘以所述第i层网格对应的天气数据,得到第i层网格对应的更新后的天气数据。
在一种可能的实施方式中,所述第二确定模块具体用于:
在所述网格模型中确定所述第一地理区域对应的Xi个第i层网格,所述i依次取1、2、……、M;
在另一种可能的实施方式中,所述装置还包括第二更新模块,其中,所述第二更新模块用于:
根据所述第一地理区域对应的更新后的天气数据,确定所述第一地理区域对应的色彩分布图,所述色彩分布图用于指示所述第一地理区域的天气数据;
根据所述第一地理区域对应的色彩分布图,更新所述网格模型对应的色彩分布图。
在另一种可能的实施方式中,所述装置还包括第三确定模块,其中,所述第三确定模块用于:
根据待监测的地理区域的大小,确定网格层数;
根据所述网格层数和所述待监测的地理区域,确定所述网格模型。
在一种可能的实施方式中,所述第三确定模块具体用于:
确定第i层网格包括的网格数量2k*i,所述i依次取1、2、……、M;
根据每层网格包括的网格数量,确定M层网格;
根据所述待监测的地理区域,分别确定所述M层网格中每个网格对应的地理坐标,得到所述网格模型。
第三方面,本申请实施例提供一种数据处理设备,包括:存储器、处理器和通信接口,所述存储器用于存储程序指令,所述处理器用于调用存储器中的程序指令执行如第一方面任一项所述的数据处理方法。
第四方面,本申请实施例提供一种可读存储介质,所述可读存储介质上存储有计算机程序;所述计算机程序用于实现如第一方面任一项所述的数据处理方法。
本申请实施例提供一种数据处理方法、装置及设备,确定需要进行天气数据更新的第一地理区域,在网格模型中确定第一地理区域对应的N个网格,其中,网格模型包括M层网格,N个网格中包括M层网格中每层的至少一个网格。按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据。在上述方法中,根据第一地理区域,确定网格模型中第一地理区域对应的多个网格,这样可以提高天气数据更新的准确率,同时按照层数从小到大的顺序,依次对多个网格对应的天气数据进行更新,无需重新建立天气数据对应的模型,进而提高订正天气数据对应的模型的效率。
附图说明
图1为本申请实施例提供的一种应用场景示意图;
图2为本申请实施例提供的一种数据处理方法的流程示意图;
图3为本申请实施例提供的确定第一地理区域对应的N个网格的示意图;
图4为本申请实施例提供的得到第一地理区域对应的更新后的天气数据的过程示意图;
图5为本申请实施例提供的更新网格模型对应的色彩分布图的流程示意图;
图6为本申请实施例提供的确定网格模型的流程示意图;
图7为本申请实施例提供的确定M层网格的过程示意图;
图8为本申请实施例提供的确定每层网格模型的坐标的示意图;
图9为本申请实施例提供的一种数据处理方法的过程示意图;
图10为本申请实施例提供的一种数据处理装置的结构示意图;
图11为本申请实施例提供的另一种数据处理装置结构示意图;
图12为本申请实施例提供的另一种数据处理装置结构示意图;
图13为本申请提供的数据处理设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了便于理解,下面结合图1,介绍本申请实施例适用的应用场景。
图1为本申请实施例提供的一种应用场景示意图。请参见图1,包括PM2.5模式预报分布图和PM2.5订正之后分布图。其中,数值渲染图例用于指示PM2.5的数值与色彩的对应关系,PM2.5模式预报分布图是根据天气数据得到的,地理区域的颜色越深,该地理区域的PM2.5的数值越大。例如,可以获取未来4个小时的PM2.5的数据,根据未来4个小时PM2.5的数据,生成4个小时后的PM2.5模式预报分布图。
当发现PM2.5模式预报分布图预报的PM2.5的数值不准确时,需要对PM2.5模式预报分布图进行订正。例如,请参见图1,当PM2.5模式预报分布图指示的地理区域的PM2.5的值较高或者较低,需要对该PM2.模式预报分布图进行订正,PM2.5订正之后的分布图降低了一些地理区域的PM2.5的数值。
需要说明的是,图1只是以示例的形式示意本申请所使用的应用场景,并非对应用场景进行的限定。
本申请实施例提供一种数据处理方法,确定需要进行天气数据更新的第一地理区域,在网格模型中确定第一地理区域对应的N个网格,其中,网格模型包括M层网格,N个网格中包括M层网格中每层的至少一个网格。按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据。在上述方法中,根据第一地理区域,确定网格模型中第一地理区域对应的多个网格,这样可以提高天气数据更新的准确率,同时按照层数从小到大的顺序,根据修订参数和天气数据,依次对多个网格对应的天气数据进行更新,无需重新建立天气数据对应的模型,进而提高订正天气数据对应的模型的效率。
下面,通过具体实施例对本申请所示的技术方案进行详细说明。需要说明的是,下面几个具体实施例可以相互结合,对于相同或相似的内容,在不同的实施例中不再进行重复说明。
图2为本申请实施例提供的一种数据处理方法的流程示意图。请参见图2,该方法可以包括:
S201、确定第一地理区域。
本申请实施例的执行主体可以为电子设备,也可以为设置在电子设备中的数据处理装置。可选的,电子设备可以为手机、电脑等设备。数据处理装置可以通过软件实现,也可以通过软件加硬件的结合实现。
地理区域可以为需要确定天气数据的地理区域。其中,天气数据可以包括空气质量数据、风向和风力数据和温度数据等。例如,第一地理区域对应的天气数据可以为PM2.5的数值。
可以根据如下可行的两种实现方式确定第一地理区域:
一种可行的实现方式:
第一地理区域对应的天气数据的准确度小于或等于第一阈值。例如,天气数据为空气质量数据时,地理区域的预报空气质量数据的准确度大于第一阈值时,该地理区域不是第一地理区域,地理区域的预报空气质量数据的准确度小于或等于第一阈值时,该地理区域为第一地理区域。
可选的,可以根据空气质量监测获取实际空气质量监测数据,根据地理区域的预报空气质量数据和地理区域的实际空气质量监测数据,确定准确度。例如,地理区域的预报空气质量数据与地理区域的实际空气质量监测数据的差值大于或等于第二阈值时,该地理区域对应的空气质量数据的准确度小于或等于第一阈值,地理区域的预报空气质量数据与地理区域的实际空气质量监测数据的差值小于第一阈值时,该地理区域对应的空气质量数据的准确度大于第二阈值。
该种可行的实现方式,获取当前空气质量数据和预报空气质量数据,进而根据当前空气质量数据和预报空气质量数据,确定预报空气质量数据的准确度,进而确定第一地理区域,可以提高确定第一地理区域的准确性。
另一种可行的实现方式:
根据预设的天气数据的第三阈值,确定第一地理区域。例如,天气数据为空气质量数据时,地理区域的预报空气质量数据小于第三阈值,该地理区域不是第一地理区域,地理区域的预报空气质量数据大于或等于第三阈值,该地理区域为第一地理区域。
可选的,可以根据历史天气数据确定第三阈值。例如,天气数据为空气质量数据时,可以获取地理区域的历史空气质量数据的PM2.5数值,将最大的PM2.5的数值确定为第三阈值。
在该种可行的实现方式中,通过地理区域的历史天气数据确定第三阈值,进而根据第三阈值,确定第一地理区域,这样可以确定地理区域的预报天气数据的异常数据,将预报天气数据异常的地理区域,确定为第一地理区域,进而提高预报天气数据的准确性。
S202、在网格模型中确定第一地理区域对应的N个网格。
网格模型包括M层网格,第i层包括2k*i个网格,i为1至M之间的整数,k为大于或等于1的整数。例如,网格模型可以为二叉树网格、四叉树网格和八叉树网格等。若网格模型为四叉树网格时,四叉树网格的层数可以为3,四叉树网格的k为2,三层四叉树网格中的第1层包括4个网格,第2层包括16个网格,第3层包括64个网格。
可选的,可以根据网格模型确定网格模型中k的取值。例如,网格模型为二叉树网格时,k的取值为1;网格模型为四叉树网格时,k的取值为2;网格模型为八叉树网格时k的取值为3。
可选的,可以根据网格模型中第一层网格的数量,确定网格模型中k的取值。例如,可以根据如下公式确定网格模型中k的取值:
K=log2X
其中,X为网格模型中第一层网格的数量;k为网格模型中k的取值。例如,网格模型为四叉树网格时,四叉树网格的第一层网格数量为4,则k为2;网格模型为八叉树网格时,八叉树网格的第一层网格数量为8,则k为3。
第一地理区域对应的N个网格为网格模型中第一地理区域对应的每一层的网格。例如,网格模型的层数为2时,第一地理区域在网格模型中的第一层中对应的网格A和网格B,第一地理区域在网格模型中的第二层中对应的网格为网格F和网格H,则第一地理区域在网格模型中对应的网格为网格A、网格B、网格F、网格H。
其中,N为大于或等于M的整数,N个网格中包括M层网格中每层的至少一个网格。例如,网格模型为四叉树网格时,若四叉树网格的层数为3,第一地理区域在三层四叉树网格中的每一层对应至少一个网格,则第一地理区域在该三层四叉树网格中对应网格数量至少为3个网格。
可选的,可以根据如下可行的实现方式,在网格模型中确定第一地理区域对应的N个网格:在网格模型中确定第一地理区域对应的Xi个第i层网格,i依次取1、2、……、M,进而确定N个网格包括个网格,其中Xi表示第i层网格的数量。例如,网格模型为四叉树网格时,若四叉树网格的层数为3层,依次确定第一地理区域在四叉树网格中的第1层、第2层和第3层对应的网格数量;若第一地理区域在四叉树网格中的第1层对应的网格数量为2,在四叉树网格中的第2层对应的网格数量为4,在四叉树网格中的第3层对应的网格数量为8,则在该三层四叉树网格中,第一地理区域对应的N个网格包括14个网格。
下面结合图3,详细介绍在网格模型中确定第一地理区域对应的N个网格的过程。
图3为本申请实施例提供的确定第一地理区域对应的N个网格的示意图。请参见图3,网格模型为二层四叉树网格,包括四叉树网格的第一层和四叉树网格的第二层。其中,四叉树网格的第一层包括A、B、C、D四个网格,第一地理区域在C和D中。四叉树网格的第二层包括16个网格,第一地理区域在C4和D3中。在第二层中,第一层中的每个网格可以分成四个网格。例如,第一层中的网格A在第二层中包括A1、A2、A3、A4;第一层中的网格B在第二层中包括B1、B2、B3、B4;第一层中的网格C在第二层中包括C1、C2、C3、C4;第一层中的网格D在第二层中包括D1、D2、D3、D4。
依次确定第一地理区域在二层四叉树网格中的第一层和第二层对应的网格。例如,第一地理区域在四叉树网格的第一层对应的网格为C和D,在四叉树网格的第二层对应的网格为C4和D3,则在二层四叉树网格中,第一地理区域对应的N个网格包括:C、D、C4、D3。
可选的,若四叉树网格的层数为3层,可以进一步获取第一地理区域在第三层对应的网格。
可选的,网格模型也可以为其他的网格,例如,二叉树网格,八叉树网格,本申请实施例对此不作限定。
S203、按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据。
可选的,网格模型中每个网格的中心点对应一个天气数据。例如,天气数据为空气质量数据时,网格模型中每个网格的中心点为该网格对应的地理区域的空气质量数据。
可以根据如下可行的实现方式,得到第一地理区域对应的更新后的天气数据:按照网格模型层数从小到大的顺序,依次对第一地理区域对应的网格的天气数据进行更新。例如,网格模型为四叉树网格时,若四叉树网格的层数为2,首先对四叉树网格的第一层中第一地理区域对应的网格的天气数据进行更新,然后对四叉树网格的第二层中第一地理区域对应的网格的天气数据进行更新,最后得到第一地理区域对应的更新后的天气数据。
在该种可行的实现方式中,依次对四叉树网格中的每一层第一地理区域对应的网格天气数据进行更新,进而可以提高更新数据的效率。
可选的,可以根据如下可行的实现方式,依次对N个网格对应的天气数据进行更新:确定每层网格对应的修订参数,根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据,i依次取1、2、……、M。例如,先对第一层网格对应的天气数据更新,再对第二层网格对应的天气数据更新,直至对第M层网格对应的天气数据更新。
其中,修订参数用于指示网格模型的每层网格中,第一地理区域对应的网格的预报天气数据需要修订的比例。例如,网格模式第一层的修订参数为A,第一地理区域对应的第一层网格的预报天气数据需要修正的比例为A。
可选的,可以根据如下可行的实现方式确定每层网格对应的修订参数:根据每层网格对应的历史时间段内实际天气数据的平均值和每层网格对应的预报天气数据的平均值确定。例如,可以根据如下公式确定网格对应的修订参数:
其中,zi为第i层网格对应的修订参数;Eim为第i层网格对应的历史时间段内实际天气数据的平均值;Eip为第i层网格对应的预报数据的平均值。
可选的,历史时间段内的实际天气数据的平均值可以为过去十天、二十天等实际天气数据的平均值。
可选的,可以将第i层网格对应的修订参数乘以第i层网格对应的天气数据,得到第i层网格对应的更新后的天气数据。例如,网格模型中第1层网格对应的修订参数为z1,第1层网格对应的天气数据为v,则网格模型中第1层网格对应的更新后的天气数据为v*z1。
可选的,第i层网格对应的天气数据,可以为第i-1层网格更新后的天气数据。例如,第1层网格对应的更新后的天气数据为v*z1,第2层网格对应的天气数据为v*z1,若第2层网格对应的修订参数为z2,则第2层网格对应的更新后的天气数据为v*z1*z2。
下面结合图4,详细介绍按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据的过程。
图4为本申请实施例提供的得到第一地理区域对应的更新后的天气数据的过程示意图。请参见图4,网格模型为二层四叉树网格。其中,四叉树网格的第一层包括A、B、C、D四个网格,第一地理区域在A中。网格A的下一层包括网格A1、A2、A3、A4,第一地理区域在A4中。
根据第一层网格A、B、C、D在历史时段内的实际天气数据的平均值和网格A、B、C、D预报的天气数据值的平均值,确定第一层网格对应的修订参数。根据第一层网格对应的修订参数和网格A对应的预报天气数据,对网格A对应的预报天气数据进行更新。例如,网格A对应的预报天气数据为va,第一层网格对应的修订参数为z1,则网格A对应的更新后的预报天气数据为va*z1。
由于第一地理区域在第一层中的A网格中,对第一层网格对应的天气数据更新后,进入网格A的第二层网格,根据A1、A2、A3、A4在历史时段内的实际天气数据的平均值与网格A1、A2、A3、A4预报的天气数据的平均值,确定第二层网格对应的修订参数。根据第二层网格对应的修订参数和网格A4对应的预报天气数据,对网格A4对应的预报天气数据进行更新,其中网格A4对应的预报天气数据为第一层网格A更新后的预报天气数据。例如,网格A4对应的预报天气数据为va*z1,第二层网格对应的修订参数为z2,则网格A4对应的更新后的预报天气数据为va*z1*z2。
可选的,可以根据第一地理区域的范围,确定更新预报天气数据的网格的起始层数。若第一地理区域较小时,可以对第1+i层的网格的预报天气数据进行更新,直至网格模型的最大层。例如,网格模型为三层四叉树网格,第一地理区域的范围较小时,可以先对第2层的网格的预报天气数据更新,然后对第3层的网格的预报天气数据更新,进而得到第一地理区域对应的更新后的天气数据。这样可以提高得到第一地理区域对应的更新后的天气数据的效率。
本申请实施例提供一种数据处理方法,确定需要进行天气数据更新的第一地理区域,在网格模型中确定第一地理区域对应的N个网格,其中,网格模型包括M层网格,N个网格中包括M层网格中每层的至少一个网格。按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据。在上述方法中,根据第一地理区域,确定网格模型中第一地理区域对应的多个网格,这样可以提高天气数据更新的准确率,同时按照层数从小到大的顺序,根据修订参数和天气数据,依次对多个网格对应的天气数据进行更新,可以提高得到第一地理区域对应的更新后的天气数据的效率,进而提高订正天气数据对应的模型的效率。
在图2所示实施例的基础上,还包括更新网格模型对应的色彩分布图。下面结合图5,对更新网格模型对应的色彩分布图的过程进行详细介绍。
图5为本申请实施例提供的更新网格模型对应的色彩分布图的流程示意图。请参见图5,该方法可以包括:
S501、根据第一地理区域对应的更新后的天气数据,确定第一地理区域对应的色彩分布图。
第一地理区域对应的色彩分布图用于指示第一地理区域的天气数据。例如,天气数据为PM2.5的数值时,第一地理区域中PM2.5的数值越大,第一地理区域对应的色彩越深,第一地理区域中PM2.5的数值越小,第一地理区域对应的色彩越浅。
可选的,可以根据如下两种可行的实现方式,确定第一地理区域对应的色彩分布图:
一种可行的实现方式:
可以建立天气数据与色彩的对应关系,根据该对应关系确定第一地理区域对应的色彩分布图。例如,天气数据与色彩的对应关系可以如表1所示:
表1
天气数据 | 色彩 |
天气数据1 | 红色 |
天气数据2 | 黄色 |
天气数据3 | 蓝色 |
…… | …… |
需要说明的是,表1只是以示例的形式示意天气数据与色彩的对应关系,并非对天气数据与色彩的对应关系的限定。
例如,天气数据为1时,根据该对应关系可以确定天气数据1对应的色彩为红色;天气数据为2时,根据该对应关系可以确定天气数据2对应的色彩为黄色;天气数据为3时,根据该对应关系可以确定天气数据3对应的色彩为蓝色。
根据该种可行的实现方式,可以根据用户的喜好,确定第一地理区域对应的色彩分布图,进而提高用户的体验。
另一种可行的实现方式:
根据第一地理区域对应的更新后的天气数据的数值,确定第一地理区域对应的色彩分布图。例如,第一地理区域对应的更新后的天气数据的数值越大,第一地理区域对应的颜色越深,第一地理区域对应的更新后的天气数据的数值越小,第一地理区域对应的颜色越浅。
根据该种可行的实现方式,根据第一地理区域对应的更新后的天气数据的数值,确定第一地理区域对应的色彩分布图,用户可以通过该色彩分布图,快速的获取第一地理区域的天气情况,提高了用户获取天气情况的效率。
S502、根据第一地理区域对应的色彩分布图,更新网格模型对应的色彩分布图。
可选的,可以根据第一地理区域对应的色彩分布图,在网络模型中,更新第一地理区域对应的网格的颜色,进而得到网格模型对应的色彩分布图。例如,获取第一地理区域对应的网格模型中的网格,根据第一地理区域对应的色彩分布图,更新网格的色彩,进而得到网格模型对应的色彩分布图。
本申请实施例提供一种数据处理方法,在获取第一地理区域对应的更新后的天气数据之后,确定第一地理区域对应的色彩分布图,根据第一地理区域对应的色彩分布图,更新网格模型对应的色彩分布图。在上述方法中,根据第一地理区域对应的更新后的天气数据,确定第一地理区域对应的色彩分布图,提高了色彩分布图的可靠性,并且根据网格模型对应的色彩分布图,可以提高用户获取第一地理区域天气情况的效率,进而提高用户的体验。
在上述实施例执行之前,还需要确定网格模型。下面结合图6,对确定网格模型的过程进行详细介绍。
图6为本申请实施例提供的确定网格模型的流程示意图。请参见图6,该方法可以包括:
S601、根据待监测的地理区域的大小,确定网格层数。
待监测的地理区域为需要获取天气数据的地理区域。例如,需要获取京津冀地区的天气数据,待监测的地理区域为京津冀地区。
网格层数用于指示网格进行分割的次数。例如,四叉树网格每次将一个网格分割成四个网格,四叉树网格的第一层包括四个网格,四叉树网格的第二层包括16个网格,四叉树网格的第三层包括64个网格。
可以根据如下可行的实现方式确定网格层数:根据待监测的地理区域的大小,确定网格层数。可选的,可以在待监测的地理区域,建立已知的水平网格模型,例如,5km×5km的水平网格模型。可以根据已知的水平网格模型的行列数、已知的水平网格模型的尺寸、已知的水平网格模型中心点的坐标和已知的水平网格模型中网格点的行列号,确定待监测的地理区域的大小。例如,根据如下公式确定待监测的地理区域的大小:
xmin=x-dx×(j-1)
ymin=y-dy×(i-1)
xmax=x+dx×(n-j)
ymax=y+dy×(m-i)
其中xmin为待监测的地理区域的水平方向最小值,ymin为待监测的地理区域的竖直方向最小值,xmax为待监测的地理区域的水平方向最大值,ymax为待监测的地理区域的竖直方向最大值,x为已知的水平网格模型中心点的水平方向的坐标,y为已知的水平网格模型中心点的竖直方向的坐标,dx为已知的水平网格模型中网格的长,dy为已知的水平网格模型中网格的宽,n为已知的水平网格模型的列数,m为已知的水平网格模型的行数,i、j为已知的水平网格模型中网格点的行列号。
可选的xmax-xmin为待监测的地理区域的水平方向的长度,ymax-ymin待监测的地理区域的竖直方向的长度。
可选的,可以根据已知的数据确定待监测区域的大小。例如,可以根据地图数据,获取待监测区域的大小。
可选的,根据待监测的地理区域的水平方向的长度与网格尺寸的比值,确定网格在待监测的地理区域的水平方向的网格数量,根据待监测的地理区域的竖直方向的长度与网格尺寸的比值,确定网格在待监测的地理区域的竖直方向的网格数量,根据最小的网格数量确定网格的层数。例如,可以根据如下公式确定网格的层数:
kj=Floor(log2A)
ki=Floor(log2B)
k=Min(kj,ki)
其中,A为待监测的地理区域的水平方向的网格数量;B为待监测的地理区域的竖直方向的网格数量;kj为第一网格层数;ki为第二网格层数;Floor为向下取整函数,Min为取最小值函数。例如,待监测的地理区域的水平方向的网格数量为8,待监测的地理区域的竖直方向的网格数量为16,则可以确定第一网格层数kj为3,第二网格层数ki为4,则网格的层数为3。
S602、根据网格层数和待监测的地理区域,确定网格模型。
可选的,可以根据如下可行的实现方式,根据网格层数和待监测的地理区域,确定网格模型:确定第i层网格包括的网格数量2k*i,i依次取1、2、……、M,根据每层网格包括的网格数量,确定M层网格,根据待监测的地理区域,分别确定M层网格中每个网格对应的地理坐标,得到网格模型。
可选的,可以根据网格的层数,确定每层网格的数量。例如,四叉树网格中,第一层网格的数量为4个,第二层网格的数量为16个,第三层网格的数量为64个。根据每层网格包括的网格数量,确定M层网格。
下面结合图7,详细介绍确定M层网格的过程。
图7为本申请实施例提供的确定M层网格的过程示意图。请参见图7,四叉树网格的网格层数为3,第一层网格中包括4个网格,第二层网格中包括8个网格,第三层网格中包括64个网格。根据四叉树网格第一层对应的网格、四叉树网格第二层对应的网格和四叉树网格第三层对应的网格,可以确定四叉树网格的三层网格。
可选的,根据待监测的地理区域,分别确定M层网格中每个网格对应的地理坐标,得到网格模型。例如,可以获取待监测的地理区域的中心点的地理坐标,根据待监测的地理区域的中心点的地理坐标,分别确定网格模型中每一层网格对应的地理坐标,根据网格模型中每一层网格对应的地理坐标,得到网格模型。
下面结合图8,对确定每层网格模型的坐标的过程进行详细说明。
图8为本申请实施例提供的确定每层网格模型的坐标的示意图。请参见图8,虚线建立的网格为根据待监测的地理区域建立的已知的网格,实线建立的网格为四叉树网格模型中的第三层网格。其中空心圆和实心圆为已知的网格中每个网格的顶点,实心圆为四叉树网格模型中的第三层网格的中心点。x、y为已知网格的中点坐标,dx为已知的水平网格模型中网格的长,dy为已知的水平网格模型中网格的宽。
可选的,可以根据如下公式,确定四叉树网格模型第三层中每个网格中心点对应的坐标:
xj=x+dx×(j-2k-1)
yi=y+dy×(i-2k-1)
(1≤i≤k,1≤j≤k)
其中i和j为四叉树网格模型的行列号,dx为已知的水平网格模型中网格的长,dy为已知的水平网格模型中网格的宽,x、y为已知网格的中点坐标,k为网格模型的层数。
根据四叉树网格模型的行列号,可以确定四叉树网格模型第三层中每个网格中心点对应的坐标。
本申请实施例提供一种数据处理方法,根据待监测的地理区域的大小,确定网格层数,根据网格层数和待监测的地理区域,确定网格模型。在上述方法中,根据网格层数和待监测的地理区域,确定网格模型,提高了网格模型的精确度,进而提高订正天气数据对应的模型的准确性。
在上述任意一个实施例的基础上,下面,结合图9,通过具体示例,对数据处理方法进行详细说明。
图9为本申请实施例提供的一种数据处理方法的过程示意图。请参见图9,确定网格模型为四叉树网格,四叉树网格的层数为2。确定第一地理区域在四叉树网格中的每一层对应的网格,例如,请参见图9,第一地理区域在第一层四叉树网格中对应的网格为网格C和D,第一地理区域在第二层四叉树网格中对应的网格为C4和D3。
按照顺序对网格的天气数据进行更新,在第一层四叉树网格中,根据网格A、B、C、D在历史时段内的实际天气数据的平均值和网格A、B、C、D预报的天气数据值的平均值,确定第一层网格对应的修订参数。根据第一层网格对应的修订参数和网格A对应的预报天气数据,对网格A对应的预报天气数据进行更新。
由于第一地理区域在第一层中的网格C和D中,对第一层网格对应的天气数据更新后,进入网格C和网格D的第二层网格。
根据C1、C2、C3、C4在历史时段内的实际天气数据的平均值与网格C1、C2、C3、C4预报的天气数据的平均值,确定第二层网格C4对应的修订参数,根据第二层网格C4对应的修订参数和网格C4对应的预报天气数据,对网格C4对应的预报天气数据进行更新,其中网格C4对应的预报天气数据为第一层网格C更新后的预报天气数据。
根据D1、D2、D3、D4在历史时段内的实际天气数据的平均值与网格D1、D2、D3、D4预报的天气数据的平均值,确定第二层网格D3对应的修订参数,根据第二层网格D3对应的修订参数和网格D3对应的预报天气数据,对网格D3对应的预报天气数据进行更新,其中网格D3对应的预报天气数据为第一层网格D更新后的预报天气数据。根据更新后的天气数据,生成色彩分布图。
本申请实施例提供一种数据处理方法,根据待监测的地理区域的大小,确定网格层数,根据网格层数和待监测的地理区域,确定网格模型。确定需要进行天气数据更新的第一地理区域,在网格模型中确定第一地理区域对应的N个网格,其中,网格模型包括M层网格,N个网格中包括M层网格中每层的至少一个网格。按照层数从小到大的顺序,依次对N个网格对应的天气数据进行更新,得到第一地理区域对应的更新后的天气数据。根据第一地理区域对应的更新后的天气数据,确定第一地理区域对应的色彩分布图,根据第一地理区域对应的色彩分布图,更新网格模型对应的色彩分布图。在上述方法中,根据网格层数和待监测的地理区域,确定网格模型,提高了网格模型的精确度。根据第一地理区域,确定网格模型中第一地理区域对应的多个网格,这样可以提高天气数据更新的准确率,同时按照层数从小到大的顺序,根据修订参数和天气数据,依次对多个网格对应的天气数据进行更新,无需重新建立天气数据对应的模型,进而提高订正天气数据对应的模型的效率。
图10为本申请实施例提供的一种数据处理装置的结构示意图。该数据处理装置可以设置在终端设备中。请参见图10,所述数据处理装置10包括:第一确定模块11、第二确定模块12和第一更新模块13,其中:
所述第一确定模块11用于,确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;
所述第二确定模块12用于,在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;
所述第一更新模块13用于,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。
在一种可能的实施方式中,所述第一更新模块13具体用于:
确定每层网格对应的修订参数;
根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,所述i依次取1、2、……、M。
在一种可能的实施方式中,所述第一更新模块13具体用于:
将所述第i层网格对应的修订参数乘以所述第i层网格对应的天气数据,得到第i层网格对应的更新后的天气数据。
在一种可能的实施方式中,所述第二确定模块12具体用于:
在所述网格模型中确定所述第一地理区域对应的Xi个第i层网格,所述i依次取1、2、……、M;
本发明实施例提供的一种数据处理装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图11为本申请实施例提供的另一种数据处理装置结构示意图,在图10所示实施例的基础上,请参见图11,所述数据处理装置10还包括,第二更新模块14,其中,所述第二更新模块14用于:
根据所述第一地理区域对应的更新后的天气数据,确定所述第一地理区域对应的色彩分布图,所述色彩分布图用于指示所述第一地理区域的天气数据;
根据所述第一地理区域对应的色彩分布图,更新所述网格模型对应的色彩分布图。
本发明实施例提供的一种数据处理装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图12为本申请实施例提供的另一种数据处理装置结构示意图,在图10所示实施例的基础上,请参见图12,所述数据处理装置10还包括,第三确定模块15,其中,所述第三确定模块15用于:
根据待监测的地理区域的大小,确定网格层数;
根据所述网格层数和所述待监测的地理区域,确定所述网格模型。
在一种可能的实施方式中,所述第三确定模块具体用于:
确定第i层网格包括的网格数量2k*i,所述i依次取1、2、……、M;
根据每层网格包括的网格数量,确定M层网格;
根据所述待监测的地理区域,分别确定所述M层网格中每个网格对应的地理坐标,得到所述网格模型。
本发明实施例提供的一种数据处理装置可以执行上述方法实施例所示的技术方案,其实现原理以及有益效果类似,此处不再进行赘述。
图13为本申请提供的数据处理设备的硬件结构示意图。请参见图13,该数据处理设备20可以包括:处理器21和存储器22,其中,处理器21和存储器22可以通信;示例性的,处理器21和存储器22通过通信总线23通信,所述存储器22用于存储程序指令,所述处理器21用于调用存储器中的程序指令执行上述任意方法实施例所示的数据处理方法。
可选的,数据处理设备20还可以包括通信接口,通信接口可以包括发送器和/或接收器。
可选的,上述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
本申请提供一种可读存储介质,所述可读存储介质上存储有计算机程序;所述计算机程序用于实现如上述任意实施例所述的数据处理方法。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括指令,当所述指令被执行时,使得计算机执行上述数据处理方法。
实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一可读取存储器中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储器(存储介质)包括:只读存储器(英文:read-only memory,缩写:ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文:magnetic tape)、软盘(英文:floppydisk)、光盘(英文:optical disc)及其任意组合。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理单元以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理单元执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
在本申请中,术语“包括”及其变形可以指非限制性的包括;术语“或”及其变形可以指“和/或”。本本申请中术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。本申请中,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;
在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;
按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。
2.根据权利要求1所述的方法,其特征在于,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,包括:
确定每层网格对应的修订参数;
根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据,所述i依次取1、2、……、M。
3.根据权利要求2所述的方法,其特征在于,根据第i层网格对应的修订参数,对i层网格对应的天气数据进行更新,包括:
将所述第i层网格对应的修订参数乘以所述第i层网格对应的天气数据,得到第i层网格对应的更新后的天气数据。
5.根据权利要求1-3任一项所述的方法,其特征在于,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据之后,还包括:
根据所述第一地理区域对应的更新后的天气数据,确定所述第一地理区域对应的色彩分布图,所述色彩分布图用于指示所述第一地理区域的天气数据;
根据所述第一地理区域对应的色彩分布图,更新所述网格模型对应的色彩分布图。
6.根据权利要求1-3任一项所述的方法,其特征在于,在网格模型中确定所述第一地理区域对应的N个网格之前,还包括:
根据待监测的地理区域的大小,确定网格层数;
根据所述网格层数和所述待监测的地理区域,确定所述网格模型。
7.根据权利要求6所述的方法,其特征在于,根据所述网格层数和所述待监测的地理区域,确定所述网格模型,包括:
确定第i层网格包括的网格数量2k*i,所述i依次取1、2、……、M;
根据每层网格包括的网格数量,确定M层网格;
根据所述待监测的地理区域,分别确定所述M层网格中每个网格对应的地理坐标,得到所述网格模型。
8.一种数据处理装置,其特征在于,包括:第一确定模块、第二确定模块和第一更新模块,其中:
所述第一确定模块用于,确定第一地理区域,所述第一地理区域对应的天气数据的准确度小于或等于第一阈值;
所述第二确定模块用于,在网格模型中确定所述第一地理区域对应的N个网格,所述网格模型中包括M层网格,第i层包括2k*i个网格,所述i为1至M之间的整数,所述k为大于或等于1的整数,所述N为大于或等于M的整数,所述N个网格中包括所述M层网格中每层的至少一个网格;
所述第一更新模块用于,按照层数从小到大的顺序,依次对所述N个网格对应的天气数据进行更新,得到所述第一地理区域对应的更新后的天气数据。
9.一种数据处理设备,其特征在于,包括:存储器、处理器和通信接口,所述存储器用于存储程序指令,所述处理器用于调用存储器中的程序指令执行如权利要求1-7任一项所述的数据处理方法。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序;所述计算机程序用于实现如权利要求1-7任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010863766.8A CN112000683B (zh) | 2020-08-25 | 2020-08-25 | 数据处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010863766.8A CN112000683B (zh) | 2020-08-25 | 2020-08-25 | 数据处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112000683A CN112000683A (zh) | 2020-11-27 |
CN112000683B true CN112000683B (zh) | 2021-03-16 |
Family
ID=73471876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010863766.8A Active CN112000683B (zh) | 2020-08-25 | 2020-08-25 | 数据处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112000683B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730743A (zh) * | 2020-12-17 | 2021-04-30 | 中科三清科技有限公司 | 空气质量模式预报数据的交互方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
CN108779988A (zh) * | 2016-03-28 | 2018-11-09 | 爱信艾达株式会社 | 通信终端、服务器装置、移动引导系统以及计算机程序 |
CN108898172A (zh) * | 2018-06-25 | 2018-11-27 | 深圳市中电数通智慧安全科技股份有限公司 | 一种消防网格更新方法、装置及设备 |
CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN110390343A (zh) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | 一种空间气象数据的订正方法及系统 |
KR102053548B1 (ko) * | 2018-10-31 | 2019-12-06 | 주식회사 포디솔루션 | 재분석 자료 기반의 하층바람 자료 생산 방법 |
CN110836952A (zh) * | 2019-09-29 | 2020-02-25 | 北京众蓝科技有限公司 | 利用排放源监测数据调整排放源清单的空气质量预报方法和装置 |
CN111105076A (zh) * | 2019-11-25 | 2020-05-05 | 上海眼控科技股份有限公司 | 天气预报数据的生成方法、装置、计算机设备和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779391B (zh) * | 2012-07-24 | 2014-09-24 | 中国农业科学院农田灌溉研究所 | 一种干旱预警方法和预警系统 |
US20180292573A1 (en) * | 2017-04-05 | 2018-10-11 | Weather Analytics Llc | Corrective Ensemble Forecasting System for Tropical Cyclones |
KR101898629B1 (ko) * | 2017-09-12 | 2018-09-13 | 서강대학교산학협력단 | H-Infinity 필터를 이용한 기상 예측값 보정 방법 및 이를 이용한 기상 예측값 보정 장치 |
US11402542B2 (en) * | 2018-10-30 | 2022-08-02 | The Tomorrow Companies Inc. | Forecasting method with machine learning |
CN109766395B (zh) * | 2018-12-06 | 2021-12-31 | 深圳市和讯华谷信息技术有限公司 | 网格数据处理方法、装置、计算机设备和存储介质 |
CN110928878A (zh) * | 2019-11-19 | 2020-03-27 | 国网通用航空有限公司 | 基于hdfs的点云数据处理方法及装置 |
CN110908014B (zh) * | 2019-12-11 | 2021-11-02 | 国网湖南省电力有限公司 | 舞动精细化订正预报方法及系统 |
-
2020
- 2020-08-25 CN CN202010863766.8A patent/CN112000683B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
CN108779988A (zh) * | 2016-03-28 | 2018-11-09 | 爱信艾达株式会社 | 通信终端、服务器装置、移动引导系统以及计算机程序 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
CN110390343A (zh) * | 2018-04-16 | 2019-10-29 | 中国电力科学研究院有限公司 | 一种空间气象数据的订正方法及系统 |
CN108898172A (zh) * | 2018-06-25 | 2018-11-27 | 深圳市中电数通智慧安全科技股份有限公司 | 一种消防网格更新方法、装置及设备 |
CN109543935A (zh) * | 2018-10-09 | 2019-03-29 | 北京英视睿达科技有限公司 | 基于热点网格的环境数据处理方法 |
KR102053548B1 (ko) * | 2018-10-31 | 2019-12-06 | 주식회사 포디솔루션 | 재분석 자료 기반의 하층바람 자료 생산 방법 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN110836952A (zh) * | 2019-09-29 | 2020-02-25 | 北京众蓝科技有限公司 | 利用排放源监测数据调整排放源清单的空气质量预报方法和装置 |
CN111105076A (zh) * | 2019-11-25 | 2020-05-05 | 上海眼控科技股份有限公司 | 天气预报数据的生成方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
STELLA: a domain-specific tool for structured grid methods in weather and climate models;Tobias Gysi等;《SC "15: Proceedings of the International Conference for High Performance Computing, Networking, Storage and Analysis》;20170126;第1-12页 * |
卫星云图资料同化及在暴雨数值模拟中的试验研究;杨仁勇;《中国优秀硕士学位论文全文数据库基础科学辑》;20040315(第3期);第A009-98页 * |
影响因素优化及置信区间修正的空气质量预测研究;田育珍;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20200215(第2期);第B027-416页 * |
我国无缝隙精细化网格天气预报技术进展与挑战;金荣花等;《气象》;20190430;第45卷(第4期);第445-457页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112000683A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018227859A1 (zh) | 配送区域划分方法、装置、电子设备及计算机可读存储介质 | |
CN111246564B (zh) | 基于mr数据的外部干扰定位方法及装置 | |
CN112000683B (zh) | 数据处理方法、装置及设备 | |
CN109993420B (zh) | 基于泰森多边形网格的电网负荷可视化方法 | |
CN109815611B (zh) | 一种基于数字流域的流域边界生成方法 | |
CN106341253A (zh) | 一种告警管理方法及装置、通信系统 | |
CN108564638B (zh) | 一种基于地理图像学确定人流热区的方法和装置 | |
CN107025464A (zh) | 一种选色方法及终端 | |
CN112788251B (zh) | 图像亮度处理方法及装置、图像处理方法及装置 | |
CN110784883B (zh) | 基站建设评估方法、装置、设备和存储介质 | |
CN115329667A (zh) | 一种风机点位确定方法、装置、设备及存储介质 | |
CN113688542A (zh) | 智能优化水资源配置方法、装置、计算机设备及存储介质 | |
CN106993301B (zh) | 确定基站归属网格的方法和装置 | |
CN110070278B (zh) | 用于农作物的灌溉最不利点确定方法及装置、服务器 | |
CN111428197B (zh) | 数据处理方法、装置及设备 | |
CN106255126A (zh) | 一种识别基站位置区插花的方法及装置 | |
CN112001074A (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
CN111626497A (zh) | 人流量预测方法、装置、设备和存储介质 | |
CN115169763B (zh) | 一种内涝预测方法、数字孪生系统、电子设备及存储介质 | |
CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
CN116071651A (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
CN112733863B (zh) | 一种图像特征提取方法、装置、设备及存储介质 | |
CN112034535B (zh) | 数值模式降水预报的订正方法、系统及存储介质 | |
CN110347889B (zh) | 一种档位特征关系的建立、档位评价及档位推荐方法 | |
CN110110277B (zh) | 降雨有效持水量比例计算方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20201127 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Data processing method, device and equipment Granted publication date: 20210316 License type: Common License Record date: 20220815 |
|
EE01 | Entry into force of recordation of patent licensing contract |