CN112541620B - 一种预测精度及效率高的台风风暴增水预测方法及系统 - Google Patents

一种预测精度及效率高的台风风暴增水预测方法及系统 Download PDF

Info

Publication number
CN112541620B
CN112541620B CN202011381610.2A CN202011381610A CN112541620B CN 112541620 B CN112541620 B CN 112541620B CN 202011381610 A CN202011381610 A CN 202011381610A CN 112541620 B CN112541620 B CN 112541620B
Authority
CN
China
Prior art keywords
typhoon
longitude
information
storm water
center
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
Application number
CN202011381610.2A
Other languages
English (en)
Other versions
CN112541620A (zh
Inventor
李雪丁
陈金瑞
商少平
朱本璐
曾银东
任在常
郭民权
李星
郑祥靖
谢燕双
张峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FUJIAN MARINE FORECASTS
Xiamen University
Original Assignee
FUJIAN MARINE FORECASTS
Xiamen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FUJIAN MARINE FORECASTS, Xiamen University filed Critical FUJIAN MARINE FORECASTS
Priority to CN202011381610.2A priority Critical patent/CN112541620B/zh
Publication of CN112541620A publication Critical patent/CN112541620A/zh
Application granted granted Critical
Publication of CN112541620B publication Critical patent/CN112541620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

本发明涉及风暴增水预测领域,尤其涉及一种预测精度及效率高的台风风暴增水预测方法及系统。本发明通过台风当前的经纬度坐标和当前台风信息,得到第一时间后台风中心所位于的圆区域,将圆区域细分为若干个网格子区域,并根据台风的经过衰减或增强后的预报台风信息,对所有网格子区域的顶点经纬度坐标,获取预设本地信息数据库中相应的风暴增水数据;本发明提高了各个网格子区域顶点经纬度坐标和预报台风信息对应的风暴增水数据的预测精度,并且能够满足风暴潮精细化预报和政府防灾决策的需求。

Description

一种预测精度及效率高的台风风暴增水预测方法及系统
本案是以申请号为201710469384.5,申请日为2017年6月20日,名称为《一种台风风暴增水预测方法及系统》的专利申请为母案的分案申请。
技术领域
本发明涉及风暴增水预测领域,尤其涉及一种预测精度及效率高的台风风暴增水预测方法及系统。
背景技术
国内外多数气象部门以“概率圆图示法”来预报台风路径(图1),即气象部门对台风预测路径进行误差统计分析,取得预报出现概率最大的预报路径误差ΔR。以24小时预报为例,其它时次依此类推。图示A点表示当前观测到的台风中心位置,以B为圆心的圆是预报的“未来24小时概率圆”,圆的半径为78km(约为目前国内外台风24小时路径预报偏离的平均值)。考虑到台风可能走快(D点)、走慢(C点)、偏左(F点)、偏右(E点)的情况,日本气象厅、国家海洋预报台等单位已开始采用五条路径台风集合预报方式进行风暴潮数值预报,通过输入基于概率圆的台风集合预报参数、台风预报数值模型和风暴潮数值预报模型,利用计算机系统能够实时计算在24小时后上述五条台风路径对应的风暴增水数据,整个计算过程大概需要20分钟左右;
但上述方法存在以下缺点:
1、由于台风中心移动方向和移动速度预报的准确率不高,因此认为未来24小时,台风中心处于“24小时概率圆”内的任何一点上都是可能的。仅采用五种路径预报,会出现风暴增水数据漏报的情况;
2、随着沿海经济的高速发展,沿海地方政府和公众对风暴潮预报能力和水平的要求越来越高,五条路径风暴增水数据的预报已经不能满足风暴潮精细化预报和政府防灾决策的需求。
发明内容
本发明所要解决的技术问题是:本发明提供一种预测精度及效率高的台风风暴增水预测方法及系统,能够满足风暴潮精细化预报和政府防灾决策的需求。
为了解决上述技术问题,本发明提供了一种预测精度及效率高的台风风暴增水预测方法,包括以下步骤:
S1:预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
S2:预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
S3:根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
S4:获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
S5:依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;
S6:重复步骤S5,直至获取得到所有的风暴增水数据。
本发明还提供了一种预测精度及效率高的台风风暴增水预测系统,包括:
预设模块,用于预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
第一获取模块,用于预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
创建模块,用于根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
第二获取模块,用于获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
第三获取模块,用于依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;
重复模块,用于重复执行第三获取模块,直至获取得到所有的风暴增水数据。
本发明的有益效果为:
本发明通过当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,能够得到预设时间集合内所有时间后台风中心所位于的圆区域,通过将每一个圆区域划分为若干个网格子区域,并获取所有圆区域中所有网格子区域的顶点坐标,得到第一经纬度坐标集合,依次获取集合中的一元素,根据事先预设好的本地信息数据库,获取与所述经纬度坐标及预报台风信息相对应的风暴增水数据,通过上述方法能够获取所有圆区域中所有的网格顶点经纬度坐标和台风信息对应的风暴增水数据,将台风中心所位于的每一个圆区域进行细分为若干个网格子区域,并对每一个圆区域中每一个网格子区域的顶点经纬度坐标与预报台风信息对应的风暴增水数据进行预测,相对于现有的5条路径预测的方法,本发明提高了风暴增水数据的预测精度,满足风暴潮精细化预报和政府防灾决策的需求;同时将经纬度坐标和预报台风信息与本地信息数据库进行匹配的方式,进行风暴增水数据的获取,能够缩短数据获取过程所需要的时间,提高了数据获取效率。
附图说明
图1为本发明背景技术中台风预测方式的示意图;
图2为本发明实施例的一种预测精度及效率高的台风风暴增水预测方法的步骤流程图;
图3为本发明实施例的台风预测路径示意图;
图4为本发明实施例的台风中心移动方向示意图;
图5为本发明实施例的一种预测精度及效率高的台风风暴增水预测系统的结构示意图;
图6为本发明实施例的预设模块、第一获取模块和第二获取单元的结构示意图;
标号说明:
1、预设模块;2、第一获取模块;3、创建模块;4、第二获取模块;5、第三获取模块;6、重复模块;7、第一预设单元;8、组合单元;9、重复单元;10、第二预设单元;11、第一获取单元;12、第二获取单元;13、第三获取单元;14、第一获取子单元;15、第二获取子单元。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:通过台风当前的经纬度坐标和当前台风信息,得到第一时间后台风中心所位于的圆区域,将圆区域细分为若干个网格子区域,并根据台风的经过衰减或增强后的预报台风信息,对所有网格子区域的顶点经纬度坐标,获取预设本地信息数据库中相应的风暴增水数据,提高了台风信息对应的风暴增水数据的预测精度。
请参照图2至图4所述,本发明提供了一种预测精度及效率高的台风风暴增水预测方法,包括以下步骤:
S1:预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
S2:预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
S3:根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
S4:获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
S5:依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;
S6:重复步骤S5,直至获取得到所有的风暴增水数据。
从上述描述可知,本发明通过当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,能够得到预设时间集合内所有时间后台风中心所位于的圆区域,通过将每一个圆区域划分为若干个网格子区域,并获取所有圆区域中所有网格子区域的顶点坐标,得到第一经纬度坐标集合,依次获取集合中的一元素,根据事先预设好的本地信息数据库,获取与所述经纬度坐标及预报台风信息相对应的风暴增水数据,通过上述方法能够获取所有圆区域中所有的网格顶点经纬度坐标和台风信息对应的风暴增水数据,将台风中心所位于的每一个圆区域进行细分为若干个网格子区域,并对每一个圆区域中每一个网格子区域的顶点经纬度坐标与预报台风信息对应的风暴增水数据进行预测,相对于现有的5条路径预测的方法,本发明提高了风暴增水数据的预测精度,满足风暴潮精细化预报和政府防灾决策的需求;同时将经纬度坐标和预报台风信息与本地信息数据库进行匹配的方式,进行风暴增水数据的获取,能够缩短数据获取过程所需要的时间,提高了数据获取效率。
进一步的,所述S1具体为:
S11:预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;
S12:依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
S13:重复步骤S12直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
S14:预设风暴增水集合,所述风暴增水集合中的增水量与所述台风信息集合的元素一一对应;
S15:根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库。
从上述描述可知,通过上述方法能够使本地信息数据库更加详细精确,有得于的台风风暴增水数据预测准确度的提高。
进一步的,“预设经纬度坐标集合”具体为:
预设台风的预测区域,所述预测区域由多个具有经纬度坐标信息的顶点围成;
在所述预测区域内创建网格,得到多个的预测网格子区域;
获取所有的所述预测网格子区域的顶点经纬度坐标,得到经纬度坐标集合。
从上述描述可知,通过上述方法,能够将需要预测的台风风暴增水区域进行细分为若干个的预测网格子区域,并获取所有预测网格子区域的顶点经纬度坐标,使区域划分更加细分,使本地信息数据库中的数据更加精确。
进一步的,所述S5具体为:
S51:依次获取所述第一经纬度坐标集合的一经纬度坐标;
S52:获取所述经纬度坐标所位于的预测网格子区域;
S53:获取所述预测网格子区域的四个顶点的经纬度坐标,得到第二经纬度坐标集合;
S54:依次获取第二经纬度坐标集合的一顶点的经纬度坐标;
S55:根据台风风暴增水本地信息数据库,获取与所述顶点的经纬度坐标和所述预报台风信息相对应的风暴增水数据;
S56:重复步骤S54和S55,直至获取得到四个的风暴增水数据;
S57:根据所述经纬度坐标、所述四个顶点的经纬度坐标和所述四个的风暴增水数据,通过线性插值算法计算得到与所述经纬度坐标和所述预报台风信息相对应的风暴增水数据。
从上述描述可知,当获取得到的网格子区域的顶点坐标不在预测网格子区域的顶点上时,通过获取网格子区域的经纬度坐标所位于的预测网格子区域,并获取四个相应的风暴增水数据,通过线性插值算法,能够得到所述经纬度坐标和所述预报台风信息相对应的风暴增水数据,通过上述方法,减少了本地信息数据库中数据量存储,并且通过线性插值算法能够快速获取相应的风暴增水数据,计算时间短、效率高。
进一步的,所述S2具体为:
S21:预设时间集合,所述时间集合包括多个的时间;根据当前台风中心的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
S22:根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域。
从上述描述可知,通过上述方法能够精确获取得到时间集合中每一个时间后台风中心所位于的圆区域。
进一步的,所述S21具体为:
每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息。
从上述描述可知,通过上述方法能够自动获取台风信息及台风中心所在的经纬度坐标信息,无需人工干预,效率高。
请参照图5至图6,本发明还提供了一种预测精度及效率高的台风风暴增水预测系统,包括:
预设模块1,用于预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
第一获取模块2,用于预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
创建模块3,用于根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
第二获取模块4,用于获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
第三获取模块5,用于依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;
重复模块6,用于重复执行第三获取模块,直至获取得到所有的风暴增水数据。
从上述描述可知,本发明通过当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,能够得到预设时间集合内所有时间后台风中心所位于的圆区域,通过将每一个圆区域划分为若干个网格子区域,并获取所有圆区域中所有网格子区域的顶点坐标,得到第一经纬度坐标集合,依次获取集合中的一元素,根据事先预设好的本地信息数据库,获取与所述经纬度坐标及预报台风信息相对应的风暴增水数据,通过上述系统能够获取所有圆区域中所有的网格顶点经纬度坐标和台风信息对应的风暴增水数据,将台风中心所位于的每一个圆区域进行细分为若干个网格子区域,并对每一个圆区域中每一个网格子区域的顶点经纬度坐标与预报台风信息对应的风暴增水数据进行预测,相对于现有的5条路径预测的方法,本发明提高了风暴增水数据的预测精度,满足风暴潮精细化预报和政府防灾决策的需求;同时将经纬度坐标和预报台风信息与本地信息数据库进行匹配的方式,进行风暴增水数据的获取,能够缩短数据获取过程所需要的时间,提高了数据获取效率。进一步的,所述预设模块1包括:
第一预设单元7,用于预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;
组合单元8,用于依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
重复单元9,用于重复执行组合单元直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
第二预设单元10,用于预设风暴增水集合,所述风暴增水集合中的增水量与所述台风信息集合的元素一一对应;
第一获取单元11,用于根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库。
从上述描述可知,通过上述系统能够使本地信息数据库更加详细精确,有得于的台风风暴增水数据预测准确度的提高。
进一步的,所述第一获取模块2包括:
第二获取单元12,用于预设时间集合,所述时间集合包括多个的时间;根据当前台风中心的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
第三获取单元13,用于根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域。
从上述描述可知,通过上述系统能够精确获取得到时间集合中每一个时间后台风所位于的圆区域。
进一步的,所述第二获取单元12包括:
第一获取子单元14,用于每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
第二获取子单元15,用于根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息。
从上述描述可知,通过上述系统能够自动获取台风信息及台风中心所在的经纬度坐标信息,无需人工干预,效率高。
请参照图2至图4所示,本发明的实施例一为:
S1:预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
所述S1具体为:
S11:预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;
预设经纬度坐标集合具体为:
预设台风的预测区域,所述预测区域由多个具有经纬度坐标信息的顶点围成;在所述预测区域内创建网格,得到多个的预测网格子区域;获取所有的所述预测网格子区域的顶点经纬度坐标,得到经纬度坐标集合;
S12:依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
S13:重复步骤S12直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
S14:预设风暴增水集合,所述风暴增水集合中的增水量与所述台风信息集合的元素一一对应;
S15:根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库;
S2:预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
所述S2具体为:
S21:预设时间集合,所述时间集合包括多个的时间;根据当前台风中心的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
所述S21具体为:
每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
S22:根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域;
S3:根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
S4:获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
S5:依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;
所述S5具体为:
S51:依次获取所述第一经纬度坐标集合的一经纬度坐标;
S52:获取所述经纬度坐标所位于的预测网格子区域;
S53:获取所述预测网格子区域的四个顶点的经纬度坐标,得到第二经纬度坐标集合;
S54:依次获取第二经纬度坐标集合的一顶点的经纬度坐标;
S55:根据台风风暴增水本地信息数据库,获取与所述顶点的经纬度坐标和所述预报台风信息相对应的风暴增水数据;
S56:重复步骤S54和S55,直至获取得到四个的风暴增水数据;
S57:根据所述经纬度坐标、所述四个顶点的经纬度坐标和所述四个的风暴增水数据,通过线性插值算法计算得到与所述经纬度坐标和所述预报台风信息相对应的风暴增水数据;
S6:重复步骤S5,直至获取得到所有的风暴增水数据。
从上述描述可知,通过上述方法能够获取所有圆区域中所有的网格顶点经纬度坐标和台风信息对应的风暴增水数据,将台风中心所位于的每一个圆区域进行细分为若干个网格子区域,并对每一个圆区域中每一个网格子区域的顶点经纬度坐标与预报台风信息对应的风暴增水数据进行预测,相对于现有的5条路径预测的方法,本发明提高了风暴增水数据的预测精度,满足风暴潮精细化预报和政府防灾决策的需求。
请参照图5至图6,本发明的实施例二为:
通过第一预设单元预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合,并将预设结果发送至组合单元;组合单元依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;重复单元重复执行组合单元直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合,并将台风信息集合发送至第二预设单元;第二预设单元预设风暴增水集合,所述风暴增水集合中的增水量与所述台风信息集合的元素一一对应,并将数据发送至第一获取单元;第一获取单元根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库;第一获取子单元每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度,将获取结果发送至第二获取子单元;第二获取子单元根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息,并将预测的经纬度坐标信息发送至第三获取单元;第三获取单元根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域,并将圆区域发送至创建模块;创建模块根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域,并将创建结果发送至第二获取模块;第二获取模块获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合,并将第一经纬度坐标集合发送至第三获取模块;第三获取模块依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过所述第一时间衰减或增强后的台风信息;重复模块重复执行第三获取模块,直至获取得到所有的风暴增水数据。
本发明的实施例三为:
一、台风风暴增水的本地信息数据库的建立:
划定一个会引起全省沿海的风暴增水的矩形区域(例如19.0°~28.5°N,115.0°~126.0°E),将矩形区域划分为多个的预测网格子区域,其网格分辨率为0.1°(预测网格子区域的长为0.1经度、宽为0.1纬度),获取所有预测网格子区域的顶点经纬度坐标,得到经纬度坐标集合;
预设台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;所述方位角为台风中心的移动方向与预设方向的夹角;
方位角集合的方位角α包括0°、22.5°、45°、225°、247.5°、270°、229.5°、315°、337.5°,请参照图3所示;台风中心的风速集合的风速Wr包括25、30、35、40、45、50、55、60、65、70m/s;台风中心的移动速度集合的移动速度V包括0.05、0.15、0.25、0.35、0.45°/h(指的为每小时移动的经纬度);
依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
重复步骤上述步骤,直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
利用FETSCM(Finite Element Tide-Storm Surge Coupled Model)风暴潮模型及反距离加权插值算法,得到台风信息集合每一元素对应的风暴增水数据,根据所有风暴增水数据,得到风暴增水集合;
根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库;
二、基于本地信息数据库的台风风暴增水数据的预测,以24小时预报为例:
1、根据当前台风的当前台风信息(所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度)和当前台风中心所在的当前经纬度坐标信息,得到未来24小时后台风中心的预测的经纬度坐标信息,以台风中心位置为圆心和预设的半径值(可以设定为现有台风移动路径24小时预报平均误差78km,即半径为78km)做一个台风中心所位于的圆区域;
2、对圆区域进行等分,将24小时圆区域的CD线、EF线上分别60等分(网格边长约为2.6km),请参照图4所示;
3、每个网格的交点都作为当前台风24小时预报中心位置,亦即台风移向有60种;沿AD方向移动的台风,其中心移动速度也分为60种,移向和移速的组合,共有约2700场的可能台风;对每场台风,都有一确定的台风路径,内插得到该场台风每隔十五分钟的台风中心位置、近中心最大风速等参数,即可得到每场台风包括97个时间序列的台风参数,设其中一组台风参数为Δα,ΔW,ΔV以及经纬度ΔN和ΔE,则在查找数据库时,应该依据以下方法进行查找和插值计算:
(1)、移动方向
若Δα>348.75°或Δα<=11.25°,则α=0°;
若11.25°<Δα<=33.75°,则α=22.5°;
若33.75°<Δα<=56.25°,则α=45°;
若213.75°<Δα<=236.25°,则α=225°;
若236.25°<Δα<=258.75°,则α=247.5°;
若258.75°<Δα<=281.25°,则α=270°;
若281.25°<Δα<=303.75°,则α=292.25°;
若303.75°<Δα<=326.25°,则α=315°;
若326.25°<Δα<=348.75°,则α=337.5°;
(2)、移动速度
若0.05°/h<=ΔV<=0.15°/h,则取V1=0.05°/h,V2=0.15°/h;
若0.15°/h<ΔV<=0.25°/h,则取V1=0.15°/h,V2=0.25°/h;
若0.25°/h<ΔV<=0.35°/h,则取V1=0.25°/h,V2=0.35°/h;
若0.35°/h<ΔV<=0.45°/h,则取V1=0.35°/h,V2=0.45°/h;
(3)、最大风速
若25m/s<=ΔW<=30m/s,则取W1=25m/s,W2=30m/s;
若30m/s<ΔW<=35m/s,则取W1=30m/s,W2=35m/s;
若35m/s<ΔW<=40m/s,则取W1=35m/s,W2=40m/s;
若40m/s<ΔW<=45m/s,则取W1=40m/s,W2=45m/s;
若45m/s<ΔW<=50m/s,则取W1=45m/s,W2=50m/s;
若50m/s<ΔW<=55m/s,则取W1=50m/s,W2=55m/s;
若55m/s<ΔW<=60m/s,则取W1=55m/s,W2=60m/s;
若60m/s<ΔW<=65m/s,则取W1=60m/s,W2=65m/s;
若65m/s<ΔW<=70m/s,则取W1=65m/s,W2=70m/s;
(4)、中心位置
选取网格的交点(N、E)距离最近的4个规则网格点的经纬度,记为(E1,N1)、(E1,N2)、(E2,N1)和(E2,N2);
(5)对以上台风参数进行组合,有(台风移动路径)1×(移动速度)2×(近中心最大风速)2×(中心位置)4总共16种组合台风增水数列:
①利用最近4个规则网格点的台风增水数列,采用反距离加权法插值得到目标中心位置(ΔE,ΔN)的台风增水数列,共4种组合,分别是W1V1、W1V2、W2V1和W2V2;
②将W1V1和W1V2的台风增水数列线性插值得到W1ΔV的台风增水数列;将W2V1和W2V2的台风增水数列线性插值得到W2ΔV的台风增水数列;
③最终将W1ΔV和W2ΔV的台风增水数列线性插值得到ΔWΔV的台风增水数列,即为台风参数Δα,ΔW,ΔV以及经纬度ΔN和ΔE的沿岸增水数列;
重复步骤(4)和(5),直至得到所有网格交点和台风信息对应的风暴增水数据。
综上所述,本发明通过当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,能够得到预设时间集合内所有时间后台风中心所位于的圆区域,通过将每一个圆区域划分为若干个网格子区域,并获取所有圆区域中所有网格子区域的顶点坐标,得到第一经纬度坐标集合,依次获取集合中的一元素,根据事先预设好的本地信息数据库,获取与所述经纬度坐标及预报台风信息相对应的风暴增水数据,通过上述方法能够获取所有圆区域中所有的网格顶点经纬度坐标和台风信息对应的风暴增水数据,将台风中心所位于的每一个圆区域进行细分为若干个网格子区域,并对每一个圆区域中每一个网格子区域的顶点经纬度坐标与预报台风信息对应的风暴增水数据进行预测,相对于现有的5条路径预测的方法,本发明提高了风暴增水数据的预测精度,满足风暴潮精细化预报和政府防灾决策的需求;同时将经纬度坐标和预报台风信息与本地信息数据库进行匹配的方式,进行风暴增水数据的获取,能够缩短数据获取过程所需要的时间,提高了数据获取效率。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种预测精度及效率高的台风风暴增水预测方法,其特征在于,包括以下步骤:
S1:预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
利用FETSCM风暴潮模型及反距离加权插值算法,得到所述台风信息集合每一元素对应的风暴增水数据,根据所有风暴增水数据,得到所述风暴增水集合;
S2:预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
S3:根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
S4:获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
S5:依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过第一时间衰减或增强后的台风信息;
S6:重复步骤S5,直至获取得到所有的风暴增水数据。
2.根据权利要求1所述的一种预测精度及效率高的台风风暴增水预测方法,其特征在于,所述S1具体为:
S11:预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;
S12:依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
S13:重复步骤S12直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
S14:预设风暴增水集合,所述风暴增水集合中的风暴增水数据与所述台风信息集合的元素一一对应;
S15:根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库。
3.根据权利要求2所述的一种预测精度及效率高的台风风暴增水预测方法,其特征在于,“预设经纬度坐标集合”具体为:
预设台风的预测区域,所述预测区域由多个具有经纬度坐标信息的顶点围成;
在所述预测区域内创建网格,得到多个的预测网格子区域;
获取所有的所述预测网格子区域的顶点经纬度坐标,得到经纬度坐标集合。
4.根据权利要求3所述的一种预测精度及效率高的台风风暴增水预测方法,其特征在于,所述S5具体为:
S51:依次获取所述第一经纬度坐标集合的一经纬度坐标;
S52:获取所述经纬度坐标所位于的预测网格子区域;
S53:获取所述预测网格子区域的四个顶点的经纬度坐标,得到第二经纬度坐标集合;
S54:依次获取第二经纬度坐标集合的一顶点的经纬度坐标;
S55:根据台风风暴增水本地信息数据库,获取与所述顶点的经纬度坐标和所述预报台风信息相对应的风暴增水数据;
S56:重复步骤S54和S55,直至获取得到四个的风暴增水数据;
S57:根据所述经纬度坐标、所述四个顶点的经纬度坐标和所述四个的风暴增水数据,通过线性插值算法计算得到与所述经纬度坐标和所述预报台风信息相对应的风暴增水数据。
5.根据权利要求1所述的一种预测精度及效率高的台风风暴增水预测方法,其特征在于,所述S2具体为:
S21:预设时间集合,所述时间集合包括多个的时间;根据当前台风中心的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
S22:根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域。
6.根据权利要求5所述的一种预测精度及效率高的台风风暴增水预测方法,其特征在于,所述S21具体为:
每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息。
7.一种预测精度及效率高的台风风暴增水预测系统,其特征在于,包括:
预设模块,用于预设台风风暴增水的本地信息数据库,所述本地信息数据库包括台风信息集合和风暴增水集合,所述台风信息集合的元素包括台风中心所在的经纬度坐标、方位角、台风中心的风速和台风中心的移动速度,所述方位角为台风中心的移动方向与预设方向的夹角,所述台风信息集合的元素与所述风暴增水集合的元素一一对应;
利用FETSCM风暴潮模型及反距离加权插值算法,得到所述台风信息集合每一元素对应的风暴增水数据,根据所有风暴增水数据,得到所述风暴增水集合;
第一获取模块,用于预设时间集合,所述时间集合包括多个的时间;根据当前台风的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后台风中心所位于的圆区域;所述当前台风信息包括当前台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
创建模块,用于根据预设的网格分辨率,在每一个圆区域内创建网格,得到每一个圆区域中多个的网格子区域;
第二获取模块,用于获取所有圆区域中所有的网格子区域的顶点经纬度坐标,得到第一经纬度坐标集合;
第三获取模块,用于依次获取所述第一经纬度坐标集合的一经纬度坐标;根据所述本地信息数据库,获取与所述经纬度坐标和预报台风信息对应的风暴增水数据;所述预报台风信息为当前台风经过第一时间衰减或增强后的台风信息;
重复模块,用于重复执行第三获取模块,直至获取得到所有的风暴增水数据。
8.根据权利要求7所述的一种预测精度及效率高的台风风暴增水预测系统,其特征在于,所述预设模块包括:
第一预设单元,用于预设经纬度坐标集合、台风中心移动的方位角集合、台风中心的风速集合及台风中心的移动速度集合;
组合单元,用于依次从经纬度坐标集合、方位角集合、风速集合、移动速度集合中分别取一元素进行组合,得到台风信息,所述台风信息包括经纬度坐标、方位角、风速和移动速度;
重复单元,用于重复执行组合单元直至得到所有的台风信息;根据所有的台风信息,得到台风信息集合;
第二预设单元,用于预设风暴增水集合,所述风暴增水集合中的增水量与所述台风信息集合的元素一一对应;
第一获取单元,用于根据所述台风信息集合和所述风暴增水集合,得到台风风暴增水的本地信息数据库。
9.根据权利要求7所述的一种预测精度及效率高的台风风暴增水预测系统,其特征在于,所述第一获取模块包括:
第二获取单元,用于预设时间集合,所述时间集合包括多个的时间;根据当前台风中心的当前台风信息和当前台风中心所在的当前经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息;
第三获取单元,用于根据每一个时间后所述台风中心所在的预测的经纬度坐标信息及预设的半径值,得到每一个时间后台风中心所位于的圆区域。
10.根据权利要求9所述的一种预测精度及效率高的台风风暴增水预测系统,其特征在于,所述第二获取单元包括:
第一获取子单元,用于每隔预设第一时间获取到当前台风信息和台风中心所在的当前经纬度坐标信息,所述当前台风信息包括台风中心移动的第一方位角、台风中心的第一风速和台风中心的第一移动速度;
第二获取子单元,用于根据所述当前经纬度坐标信息、所述第一方位角和所述第一移动速度,计算预设时间集合中每一个时间后所述台风中心所在的经纬度坐标信息,得到所述时间集合中每一个时间后所述台风中心所在的预测的经纬度坐标信息。
CN202011381610.2A 2017-06-20 2017-06-20 一种预测精度及效率高的台风风暴增水预测方法及系统 Active CN112541620B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011381610.2A CN112541620B (zh) 2017-06-20 2017-06-20 一种预测精度及效率高的台风风暴增水预测方法及系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011381610.2A CN112541620B (zh) 2017-06-20 2017-06-20 一种预测精度及效率高的台风风暴增水预测方法及系统
CN201710469384.5A CN107341568B (zh) 2017-06-20 2017-06-20 一种台风风暴增水预测方法及系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201710469384.5A Division CN107341568B (zh) 2017-06-20 2017-06-20 一种台风风暴增水预测方法及系统

Publications (2)

Publication Number Publication Date
CN112541620A CN112541620A (zh) 2021-03-23
CN112541620B true CN112541620B (zh) 2023-11-03

Family

ID=60221446

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201710469384.5A Active CN107341568B (zh) 2017-06-20 2017-06-20 一种台风风暴增水预测方法及系统
CN202011381610.2A Active CN112541620B (zh) 2017-06-20 2017-06-20 一种预测精度及效率高的台风风暴增水预测方法及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710469384.5A Active CN107341568B (zh) 2017-06-20 2017-06-20 一种台风风暴增水预测方法及系统

Country Status (1)

Country Link
CN (2) CN107341568B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341568B (zh) * 2017-06-20 2020-12-18 福建省海洋预报台 一种台风风暴增水预测方法及系统
CN108732647B (zh) * 2018-04-11 2021-10-15 祁超祯 风暴潮预报方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6188960B1 (en) * 1997-02-10 2001-02-13 Baron Services, Inc. System and method for predicting storm direction
CN102682573A (zh) * 2012-03-31 2012-09-19 上海海洋大学 一种基于时间序列分析的风暴潮灾害预警系统
CN107341568A (zh) * 2017-06-20 2017-11-10 福建省海洋预报台 一种台风风暴增水预测方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110203383A1 (en) * 2010-02-11 2011-08-25 Phelps Matthew B Method to determine percentage of damage to structure from single or multiple forces
CN102999687B (zh) * 2011-09-19 2015-11-25 上海海洋大学 一种天文潮和风暴潮分离方法
CN102938075A (zh) * 2012-11-29 2013-02-20 浙江师范大学 最大风半径和台风眼尺寸建模的相关向量机方法
CN103366227B (zh) * 2013-08-08 2015-09-16 牟林 一种海上搜救目标漂移路径的预测方法
CN104732104A (zh) * 2015-04-07 2015-06-24 东南大学 长期潮位数据不足条件下不同重现期的极端高水位计算方法
CN105844427B (zh) * 2016-04-14 2019-11-08 中国科学院烟台海岸带研究所 一种风暴潮灾害风险精细化评估的计算方法
CN106327020A (zh) * 2016-08-30 2017-01-11 天津大学 一种基于风暴潮预测模型的数据分析管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6188960B1 (en) * 1997-02-10 2001-02-13 Baron Services, Inc. System and method for predicting storm direction
CN102682573A (zh) * 2012-03-31 2012-09-19 上海海洋大学 一种基于时间序列分析的风暴潮灾害预警系统
CN107341568A (zh) * 2017-06-20 2017-11-10 福建省海洋预报台 一种台风风暴增水预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
浙江省温台海域台风风暴潮的数值模拟;张月霞;车助镁;郭敬;;海洋预报(第1期);全文 *
珠江口风暴潮数值模拟系统的设计与实现;叶荣辉;宋志尧;沈正;孔俊;张卓;金光球;;河海大学学报(自然科学版)(第3期);全文 *

Also Published As

Publication number Publication date
CN107341568B (zh) 2020-12-18
CN112541620A (zh) 2021-03-23
CN107341568A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
Yang et al. Multitime-scale data-driven spatio-temporal forecast of photovoltaic generation
Carneiro et al. Review on photovoltaic power and solar resource forecasting: current status and trends
CN107193060B (zh) 一种多路径台风风暴潮快速预测方法及系统
CN104977584B (zh) 一种对流天气的临近预报方法及系统
US20210405253A1 (en) Systems and methods for distributed-solar power forecasting using parameter regularization
CN112329977A (zh) 一种面向极端场景的风电功率预测系统
Theuer et al. Minute-scale power forecast of offshore wind turbines using single-Doppler long-range lidar measurements
KR20160073604A (ko) 연안국지 순환 분석 방법 및 시스템
CN104933291A (zh) 基于网函数插值的卫星测高数据平均海面高产品制作方法
CN112541620B (zh) 一种预测精度及效率高的台风风暴增水预测方法及系统
Wang et al. Effect of the drag coefficient on a typhoon wave model
CN116050291A (zh) 一种台风条件下风电场大尺度气象预测降尺度方法与系统
CN114296050B (zh) 基于激光雷达云图探测的光伏电站短期发电功率预测方法
CN116467933A (zh) 基于深度学习的风暴潮增水预测方法及系统
CN109583095B (zh) 基于混合统计动力模型的西北太平洋台风延伸期预报方法
CN114819264A (zh) 一种基于时空依赖的光伏电站辐照度超短期预测方法及存储介质
Drisya et al. Deterministic prediction of surface wind speed variations
CN111488553B (zh) 一种太阳辐照度计算方法及装置
CN117421871A (zh) 海上风电潜力评估方法、装置和计算机设备
CN102565554A (zh) 一种生成三维雷电定位地闪点分布图的方法
CN115693666B (zh) 基于卫星反演的海上风电场发电量确定方法及系统
CN114862043A (zh) 风电场发电功率预测方法及其系统及计算机可读存储介质
Zhang et al. Spatial-temporal offshore wind speed characteristics prediction based on an improved purely 2D CNN approach in a large-scale perspective using reanalysis dataset
Nemes Statistical analysis of wind speed profile: a case study from Iasi Region, Romania
Ahn et al. Deep Learning based Prediction of Solar Surface Irradiance with Geostationary Satellite Images

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