CN112463851B - 一种日光温室内逐日气温预报订正方法、终端设备及存储介质 - Google Patents
一种日光温室内逐日气温预报订正方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112463851B CN112463851B CN202011343304.XA CN202011343304A CN112463851B CN 112463851 B CN112463851 B CN 112463851B CN 202011343304 A CN202011343304 A CN 202011343304A CN 112463851 B CN112463851 B CN 112463851B
- Authority
- CN
- China
- Prior art keywords
- max
- forecast
- day
- temperature
- air temperature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013277 forecasting method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Greenhouses (AREA)
Abstract
本发明提供一种日光温室内逐日气温预报订正方法、终端设备及存储介质，获取预报日的气象参数信息、日光温室内最高气温Tmax和最低气温Tmin，并进行记录；对预报数据信息进行分析；提取与预报日气象参数信息相似的历史气象信息进行分析，并输出分析数据；对预报日所在月的相似气象天气实况进行分析，并输出分析数据；分别统计分析历史气象信息以及当前时段内相同气象背景下的日光温室内小气候实况信息，作为预报的基础数据，进行订正；输出订正后的结果信息。本发明结合预报时间内相似的外界气象条件下的气象参数实况，对日光温室内最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
Description
技术领域
本发明涉及温室数据处理技术领域，尤其涉及一种日光温室内逐日气温预报订正方法、终端设备及存储介质。
背景技术
气象行业标准《日光温室气象要素预报方法》(QX/T 391—2017)中详细规定了日光温室内逐日气温要素预报模型构建原则、方法、自变量选择及气象因子计算方法等内容，该标准给出的逐步回归预报方法可操作性强，在设施农业气象业务服务中应用便捷，但该方法在因预报因子稳定情况下模拟准确率高，且适用于外延预报，但在实际预报过程中，若出现极端天气过程，实际气候观测数据超出已有范围，则会对预报结果产生极大影响，特别是日最高气温，主要因为在设施农业实际生产过程中人为管理措施对最高气温的影响很大。
发明内容
为了克服上述现有技术中的不足，本发明提供一种日光温室内逐日气温预报订正方法，方法对最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
方法包括：
步骤一、获取预报日的气象参数信息、日光温室内最高气温Tmax和最低气温Tmin，并进行记录；
步骤二、对预报数据信息进行分析；
包括：
(1)提取与预报日气象参数信息相似的历史气象信息进行分析，并输出分析数据；
(2)对预报日所在月的相似气象天气实况进行分析，并输出分析数据；
步骤三、分别统计分析历史气象信息以及当前时段内相同气象背景下的日光温室内小气候实况信息，作为预报的基础数据，进行订正；
步骤四、输出订正后的结果信息。
进一步需要说明的是，步骤一中获取预报的气象参数信息包括：
获取预报日所处在月份；
获取预报点所在区域，行政区域到县；
获取预报的天气状况，包括晴天、或多云、或阴天；
获取预报日外界气温：涉及最高气温和最低气温的预报值。
进一步需要说明的是，步骤二中提取与预报日气象参数信息相似的历史气象信息进行分析，预报日气象参数信息具体包括：
记录预报日外界环境参数，查询历史观测记录中，相同区域、相同时间、相同天气类型、相近外界气温数据；
分别记录温室内最高气温和最低气温的实况值；
分别计算相似历史气象条件下温室内最高气温平均值Tmax＇和最低气温平均值Tmin＇；
其中，天气类型依据日照百分率等级划分，日照百分率＞60％，晴天；20％＜日照百分率≤60％，多云；日照百分率≤20％，阴(雨、雪)天。
日照百分率的计算公式为：
式中：
p——日照百分率，单位为百分率(％),取整数；
TS——日照时数，单位为小时(h)；
TA——可照时数，单位为小时(h)。
进一步需要说明的是，步骤二中对预报日所在月的相似气象条件进行分析，并输出分析数据具体包括：
获取预报日外界环境参数，查询当月相同区域、相同天气类型以及相近外界气温条件下，温室内最高气温实况值和最低气温实况值；
分别计算相似气象条件下温室内最高气温平均值Tmax＂和最低气温平均值Tmin＂。
进一步需要说明的是，步骤三还包括：
订正方式包括：
(1)最高气温预报结果订正方式为：
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax＇；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax＂；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|≤2，Tmax＝(Tmax+Tmax＂)/2；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|＞2，Tmax＝(Tmax+Tmax＇)/2；
(2)最低气温预报结果订正方式为：
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin＇；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin＂；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|≤2，Tmin＝(Tmin+Tmin＂)/2；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|＞2，Tmin＝(Tmin+Tmin＇)/2。
本发明还提供一种实现日光温室内逐日气温预报订正方法的终端设备，包括：存储器，用于存储计算机程序及日光温室内逐日气温预报订正方法；
处理器，用于执行所述计算机程序及日光温室内逐日气温预报订正方法，以实现日光温室内逐日气温预报订正方法的步骤。
本发明还提供一种具有日光温室内逐日气温预报订正方法的可读存储介质，可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现日光温室内逐日气温预报订正方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明在原有日光温室内逐日气温预报模型基础上，通过分析历年的不同月份、不同地区、不同天气条件下日光温室内最高气温、最低气温变化规律，结合预报时间内相似的外界气象条件下的气象参数实况，对最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
附图说明
为了更清楚地说明本发明的技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为日光温室内逐日气温预报订正方法流程图。
具体实施方式
本领域普通技术人员可以意识到，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。
本发明提供一种日光温室内逐日气温预报订正方法，如图1所示，方法包括：
S101、获取预报日的气象参数信息、日光温室内最高气温Tmax和最低气温Tmin，并进行记录；
S102、对预报数据信息进行分析；
其中，
提取与预报日气象参数信息相似的历史气象信息进行分析，并输出分析数据；
对预报日所在月的相似气象天气实况进行分析，并输出分析数据；
S103、分别统计分析历史气象信息以及当前时段内相同气象背景下的日光温室内小气候实况信息，作为预报的基础数据，进行订正；
S104、输出订正后的结果信息。
本发明在原有日光温室内逐日气温预报模型基础上，通过分析历年的不同月份、不同地区、不同天气条件下日光温室内最高气温、最低气温变化规律，结合预报时间内相似的外界气象条件下的气象参数实况，对最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
本发明提供的日光温室内逐日气温预报订正方法附图中的流程图和框图，图示了按照本公开实施方式的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依据所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本发明提供的日光温室内逐日气温预报订正方法所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为本发明提供的一种实施例中，方法步骤可以由终端设备执行，但本公开并不限定于此。
本发明提供的方法是通过预报方法预报日光温室内最高气温Tmax和最低气温Tmin，推荐按照行业标准《日光温室气象要素预报方法》(QX/T391—2017)的规定，利用逐步回归的方法构建日光温室内日最低气温、最高气温预报模型，并预报最高气温Tmax和最低气温Tmin。
其中，S201、记录初始预报结果，作为订正预报的对象。
具体的，记录预报日外界环境相关参数。
预报日外界环境相关参数包括：
时间：指预报日所处在月份；
地点：预报点所在区域，行政区域到县；
天气类型：指预报的天气状况，包括晴天、多云、阴天，所有降水天气类型全部划分为阴天；
外界气温：指最高气温和最低气温的预报值。
S202、记录初始预报结果的气象背景，作为订正预报的依据。
统计分析相似气象背景：
(1)历史相似气象天气实况的分析：
根据记录的预报日外界环境相关参数，查询历史观测记录中，相同区域、相同时间、相同天气类型、相近外界气温(与预报日外界最高气温和最低气温的差异在2℃以内)背景下，温室内最高气温和最低气温分别的实况值，可以列表给出；分别计算相似气象条件下温室内最高气温平均值(Tmax＇)和最低气温平均值(Tmin＇)。
历史实况资料分析时，天气类型划分采用以下方法。
天气类型划分方法
日照百分率的计算公式为：
式中：
p——日照百分率，单位为百分率(％),取整数；
TS——日照时数，单位为小时(h)；
TA——可照时数，单位为小时(h)，计算方法应符合QX/T 55—2007《地面气象观测规范第11部分：辐射观测》附录F中的规定。
(2)预报日所在月的相似气象天气实况分析
根据记录的预报日外界环境相关参数，查询当月相同区域、相同天气类型、相近外界气温(与预报日外界最高气温和最低气温的差异在2℃以内)条件下，温室内最高气温和最低气温分别的实况值，可以列表给出；分别计算相似气象条件下温室内最高气温平均值(Tmax＂)和最低气温平均值(Tmin＂)。
S203、分别统计历史上和当前时段内相同气象背景下的日光温室内小气候实况，是订正预报的基础。
4.预报结果订正方法
(1)最高气温预报结果订正
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax＇；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax＂；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|≤2，Tmax＝(Tmax+Tmax＂)/2；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|＞2，Tmax＝(Tmax+Tmax＇)/2；
(2)最低气温预报结果订正
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin＇；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin＂；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|≤2，Tmin＝(Tmin+Tmin＂)/2；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|＞2，Tmin＝(Tmin+Tmin＇)/2；
S204、通过实际预报与相似气象条件背景下的日光温室内小气候要素进行对比订正预报结果，输出订正预报的最终结果。
通过本发明提供的订正方式，在原有日光温室内逐日气温预报模型基础上，通过分析历年的不同月份、不同地区、不同天气条件下日光温室内最高气温、最低气温变化规律，结合预报时间内相似的外界气象条件下的气象参数实况，对最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
本发明还提供一种实施方式，实施方式的方法步骤可以由终端设备执行，但本公开并不限定于此。
以某一行政区域的日光温室最高气温和最低气温为例，说明技术实施方式。
实例1：
1、预报日2019年11月14日，起报日2019年11月13日，根据气象行业标准《日光温室气象要素预报方法》(QX/T 391—2017)中规定日光温室内日最高气温和日最低气温预报模型构建方法得到日最高气温Tmax和日最低气温Tmin分别为32.9℃和11.2℃；预报日外界最高气温预报值为16.1℃，最低气温预报值为1.8℃，天气状况为晴；
2、统计2007年至2018年的11月晴天状况下，外界最高气温与预报日外界最高气温差异在2℃以内，即14.1～18.1℃，且外界最低气温差异在2℃以内，即-0.8～3.8℃的条件下，日光温室内最高气温平均值Tmax＇为32.2℃，最低气温平均值Tmin＇为10.2℃；
3、预报日同月份的前期晴天状况下，外界最高气温与预报日外界最高气温差异在2℃以内，即14.1～18.1℃，且外界最低气温差异在2℃以内，即-0.8～3.8℃的条件下，日光温室内最高气温平均值Tmax＂为28.8℃，最低气温平均值Tmin＂为12.1℃；
4、订正计算
温室内最高气温订正：|Tmax－Tmax＇|＝|33.9－32.2|≤2，|Tmax－Tmax＂|＝|33.9－28.8|＞2，因此，日光温室内最高气温订正值Tmax＝(Tmax+Tmax＇)/2＝(33.9+32.2)/2＝33.1；
2019年11月14日日光温室内最高气温实况为32.9℃，订正前预报相对误差：33.9-32.9/32.9＝3％，订正后预报相对误差33.1-32.9/32.9＝0.6％
温室内最低气温订正：|Tmin－Tmin＇|＝|10.2－10.2|≤2，|Tmin－Tmin＂|＝|10.2－12.1|≤2，Tmin＝Tmin＝10.2；
2019年11月14日日光温室内最低气温实况为11.2℃，订正前预报相对误差：8.9％，订正后预报相对对误差未改变。
实例2：
1、预报日2020年1月21日，起报日2020年1月20日，根据气象行业标准《日光温室气象要素预报方法》(QX/T 391—2017)中规定日光温室内日最高气温和日最低气温预报模型构建方法得到日最高气温Tmax和日最低气温Tmin分别为14.5℃和10.5℃；预报日外界最高气温预报值为6.5℃，最低气温预报值为-1.6℃，天气状况为阴；
2、统计2007年至2018年的1月阴天状况下，外界最高气温与预报日外界最高气温差异在2℃以内，即4.5～8.5℃，且外界最低气温差异在2℃以内，即-3.6～1.4℃的条件下，日光温室内最高气温平均值Tmax＇为23.8℃，最低气温平均值Tmin＇为9.9℃；
3、预报日同月份的前期阴天状况下，外界最高气温与预报日外界最高气温差异在2℃以内，即4.5～8.5℃，且外界最低气温差异在2℃以内，即-3.6～1.4℃的条件下，日光温室内最高气温平均值Tmax＂为17.2℃，最低气温平均值Tmin＂为9.2℃；
4、订正计算
温室内最高气温订正：|Tmax－Tmax＇|＝|14.5－23.8|＞2，|Tmax－Tmax＂|＝|14.5－17.2|＞2，且(|Tmax－Tmax＇|＝|14.5－23.8|)＞(|Tmax－Tmax＂|＝|14.5－17.2|)，因此，日光温室内最高气温订正值Tmax＝(Tmax－Tmax＂)/2+Tmax＂＝(14.5－17.2)/2+17.2＝15.9；
2020年1月21日日光温室内最高气温实况为17.2℃，订正前预报相对误差：|14.5-17.2|/17.2＝15.7％，订正后预报相对误差|15.9-17.2|/17.2＝3.8％
温室内最低气温订正：|Tmin－Tmin＇|＝|10.5－9.9|≤2，|Tmin－Tmin＂|＝|10.5－9.2|≤2且(|Tmin－Tmin＇|＝|10.5-9.9|)＜(|Tmin－Tmin＂|＝|10.5-9.2|)，因此，日光温室内最低气温订正值Tmin＝(Tmin－Tmin＂)/2+Tmin＝(10.5－9.9)/2+10.5＝10.8
2020年1月21日日光温室内最低气温实况为11.2℃，订正前预报相对误差：|10.5-11.2|/11.2＝6.3％，订正后预报相对误差|10.8-11.2|/11.2＝3.6％
基于日光温室内最高气温和最低气温分别进行预报结果订正，订正结果表明，最气温准确率提高10％，最低气温准确率提高5％。
通过本发明提供的订正方式，在原有日光温室内逐日气温预报模型基础上，通过分析历年的不同月份、不同地区、不同天气条件下日光温室内最高气温、最低气温变化规律，结合预报时间内相似的外界气象条件下的气象参数实况，对最高气温和最低气温预报结果进行订正，以提高逐日预报准确率。
基于上述方法本发明还提供一种实现日光温室内逐日气温预报订正方法的终端设备，包括：
存储器，用于存储计算机程序及日光温室内逐日气温预报订正方法；处理器，用于执行所述计算机程序及日光温室内逐日气温预报订正方法，以实现日光温室内逐日气温预报订正方法的步骤。
本发明还提供一种具有日光温室内逐日气温预报订正方法的可读存储介质，可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现日光温室内逐日气温预报订正方法的步骤。
终端设备包括中央处理单元(CPU，Central Processing Unit)，其可以根据存储在只读存储器(ROM，Read-Only Memory)中的程序以及日光温室内逐日气温预报订正方法。或者从储存部分加载到随机访问存储器(RAM，Random Access Memory)中的程序而执行日光温室内逐日气温预报订正方法。在RAM中，还存储有系统操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分；包括硬盘等的储存部分；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入储存部分。
实现日光温室内逐日气温预报订正方法的终端设备是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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种日光温室内逐日气温预报订正方法，其特征在于，
步骤一、获取预报日的气象参数信息、日光温室内最高气温Tmax和最低气温Tmin，并进行记录；
步骤二、对预报数据信息进行分析；
提取与预报日气象参数信息相似的历史气象信息进行分析，并输出分析数据；
其中，历史相似气象天气实况的分析时，根据记录的预报日外界环境相关参数，查询历史观测记录中，相同区域、相同时间、相同天气类型、相近外界气温背景下，温室内最高气温和最低气温分别的实况值，列表给出；分别计算相似气象条件下温室内最高气温平均值Tmax＇和最低气温平均值Tmin＇；
日照百分率的计算公式为(A.1)：
式中：
p——日照百分率，单位为百分率(％),取整数；
TS——日照时数，单位为小时(h)；
TA——可照时数，单位为小时(h)；
获取预报日外界环境参数，查询当月相同区域、相同天气类型以及相近外界气温条件下，温室内最高气温实况值和最低气温实况值；
分别计算相似气象条件下温室内最高气温平均值Tmax＂和最低气温平均值Tmin＂；
对预报日所在月的相似气象天气实况进行分析，并输出分析数据；
步骤三、分别统计分析历史气象信息以及当前时段内相同气象背景下的日光温室内小气候实况信息，作为预报的基础数据，进行订正；
订正方式包括：
(1)最高气温预报结果订正方式为：
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|≤2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＜|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＇)/2+Tmax＇；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|＞2且|Tmax－Tmax＇|＞|Tmax－Tmax＂|，Tmax＝(Tmax－Tmax＂)/2+Tmax＂；
若|Tmax－Tmax＇|＞2且|Tmax－Tmax＂|≤2，Tmax＝(Tmax+Tmax＂)/2；
若|Tmax－Tmax＇|≤2且|Tmax－Tmax＂|＞2，Tmax＝(Tmax+Tmax＇)/2；
(2)最低气温预报结果订正方式为：
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|≤2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＜|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＇)/2+Tmin＇；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|＞2且|Tmin－Tmin＇|＞|Tmin－Tmin＂|，Tmin＝(Tmin－Tmin＂)/2+Tmin＂；
若|Tmin－Tmin＇|＞2且|Tmin－Tmin＂|≤2，Tmin＝(Tmin+Tmin＂)/2；
若|Tmin－Tmin＇|≤2且|Tmin－Tmin＂|＞2，Tmin＝(Tmin+Tmin＇)/2；
步骤四、输出订正后的结果信息。
2.根据权利要求1所述的日光温室内逐日气温预报订正方法，其特征在于，
步骤一中获取预报的气象参数信息包括：
获取预报日所处在月份；
获取预报点所在区域，行政区域到县；
获取预报的天气状况，包括晴天、或多云、或阴天；
获取预报日外界气温：涉及最高气温和最低气温的预报值。
3.一种实现日光温室内逐日气温预报订正方法的终端设备，其特征在于，包括：
存储器，用于存储计算机程序及日光温室内逐日气温预报订正方法；
处理器，用于执行所述计算机程序及日光温室内逐日气温预报订正方法，以实现如权利要求1至2任意一项所述日光温室内逐日气温预报订正方法的步骤。
4.一种具有日光温室内逐日气温预报订正方法的可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至2任意一项所述日光温室内逐日气温预报订正方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011343304.XA CN112463851B (zh) | 2020-11-25 | 2020-11-25 | 一种日光温室内逐日气温预报订正方法、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011343304.XA CN112463851B (zh) | 2020-11-25 | 2020-11-25 | 一种日光温室内逐日气温预报订正方法、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112463851A CN112463851A (zh) | 2021-03-09 |
| CN112463851B true CN112463851B (zh) | 2021-07-27 |
Family
ID=74808404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011343304.XA Active CN112463851B (zh) | 2020-11-25 | 2020-11-25 | 一种日光温室内逐日气温预报订正方法、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112463851B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113434818B (zh) * | 2021-06-22 | 2022-08-02 | 田祎 | 一种气象感冒指数预报方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109884734A (zh) * | 2019-02-18 | 2019-06-14 | 哈尔滨工程大学 | 一种基于相似离度的海水温度相似预报方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915215B (zh) * | 2010-07-22 | 2012-12-19 | 三一电气有限责任公司 | 一种风光补储联合发电方法和客户端设备 |
| CN103390202B (zh) * | 2013-07-18 | 2016-01-20 | 华北电力大学 | 一种基于相似数据选取的光伏电站输出功率预测方法 |
| CN111766646B (zh) * | 2020-07-28 | 2022-04-22 | 天津市气象台 | 一种基于活动区间的气温预报偏差订正方法和系统 |
-
2020
- 2020-11-25 CN CN202011343304.XA patent/CN112463851B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109884734A (zh) * | 2019-02-18 | 2019-06-14 | 哈尔滨工程大学 | 一种基于相似离度的海水温度相似预报方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112463851A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12112391B2 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
| US20220261928A1 (en) | Crop yield forecasting models | |
| KR101898629B1 (ko) | H-Infinity 필터를 이용한 기상 예측값 보정 방법 및 이를 이용한 기상 예측값 보정 장치 | |
| WO2015004742A1 (ja) | 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム | |
| CN112463851B (zh) | 一种日光温室内逐日气温预报订正方法、终端设备及存储介质 | |
| CN112415635B (zh) | 一种耦合伽马与高斯分布的月尺度降水预报校正方法 | |
| CN114705990A (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
| US20230327440A1 (en) | Power generation amount management system and power generation amount management method | |
| JP2020149475A (ja) | 予測装置、予測方法及びコンピュータプログラム | |
| CN116029030B (zh) | 一种基于bim的建筑施工仿真管理系统及方法 | |
| CN107977728A (zh) | 一种基于bp人工神经网络的中长期逐小时气温预测方法 | |
| JP2019117601A (ja) | 需要予測装置、需要予測方法及びコンピュータプログラム | |
| Han et al. | Fengwu-ghr: Learning the kilometer-scale medium-range global weather forecasting | |
| CN110490384A (zh) | 一种区域气候模式动力降尺度要素误差订正方法 | |
| CN113869556A (zh) | 一种用电量预测方法、装置及设备 | |
| CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
| CN115940194A (zh) | 新能源电力系统agc储备容量估计方法、装置和终端设备 | |
| CN115936238A (zh) | 一种全域风电中长期出力预测方法、系统、设备及介质 | |
| WO2020209142A1 (ja) | 電力管理装置 | |
| JPWO2019207622A1 (ja) | 電力需要予測装置、電力需要予測方法、およびそのプログラム | |
| JP7332554B2 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN111899123B (zh) | 电量预测方法、装置以及计算机可读存储介质 | |
| JP2022023410A (ja) | 予測システム、及び予測値の算出方法 | |
| JP2021174062A (ja) | 機械学習プログラム、機械学習方法および機械学習装置 | |
| CN111752991A (zh) | 一种表计数据统计方法、装置和获取表计统计数据方法 |
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 |