CN114090266A - 空气质量预报生成方法和装置 - Google Patents
空气质量预报生成方法和装置 Download PDFInfo
- Publication number
- CN114090266A CN114090266A CN202111456903.7A CN202111456903A CN114090266A CN 114090266 A CN114090266 A CN 114090266A CN 202111456903 A CN202111456903 A CN 202111456903A CN 114090266 A CN114090266 A CN 114090266A
- Authority
- CN
- China
- Prior art keywords
- task
- preset
- forecast
- air quality
- input
- 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
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000012545 processing Methods 0.000 claims abstract description 120
- 230000008569 process Effects 0.000 claims description 43
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 12
- 239000003344 environmental pollutant Substances 0.000 description 11
- 231100000719 pollutant Toxicity 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005192 partition Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种空气质量预报生成方法和装置,属于环境科学领域。获取目标气象背景场数据;通过预设的任务序列处理目标气象背景场数据以生成空气质量预报,其中,任务序列中的首个任务之后的每个任务的输入包括自身的前一任务的输出;在任务序列中的预设任务,按照预设时长将预设任务的输入划分为输入分块;在预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块就将其作为下一任务的输入分块提供给下一任务。采用本公开,无需等待预设任务全部处理并输出完成,预设任务的下一任务便可以开始处理预设任务已输出的输出分块,进而达到了优化空气质量预报及时性的目的。
Description
技术领域
本公开涉及环境科学领域,尤其涉及一种空气质量预报生成方法和装置。
背景技术
目前,空气质量模式系统的运行流程涉及多个环节,各环节之间相互依赖,后一环节需要前一环节的结果作为输入。
空气质量模式系统的运行采用的是传统的串行计算方式,即各计算处理环节按先后顺序执行,前一环节计算完毕之后再启动下一计算环节,因此各环节需要相互等待,总体耗费较长的计算时间。并且在这种运行方式下,需要等到空气质量模式系统全部环节计算完成之后才能获得相应的预报产品,一旦中间出现故障或计算出现延迟,预报人员将无法获得任何预报参考产品。
近年来,随着大气污染防治工作的深入推进,对空气质量预报预警提出了更高的要求,包括提高预报的空间分辨率、提升预报的时长等。具体来讲,对于省级区域,预报的空间分辨率要求从10km左右提升到3km左右;预报时长由未来5-7天延伸到未来10-15天。这些新的要求使得空气质量模式系统的运行效率面临巨大的挑战。空气质量模式系统按照传统的运行方式已无法满足预报及时性要求,特别是在计算资源受限的情况下,计算时间将大大延长,无法按时提供预报产品。
发明内容
有鉴于此,本公开实施例提供了一种空气质量预报生成方法和装置,以解决空气质量预报及时性差的问题。
根据本公开的一方面,提供了一种空气质量预报生成方法,所述方法包括:
获取目标气象背景场数据;
通过预设的任务序列处理所述目标气象背景场数据以生成空气质量预报,其中,所述任务序列中的首个任务以所述目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,所述任务序列末端的任务输出所述空气质量预报;
其中,在所述任务序列中的预设任务,按照预设时长将所述预设任务的输入划分为输入分块;在所述预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块就将其作为下一任务的输入分块提供给下一任务;其中,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。
根据本公开的另一方面,提供了一种空气质量预报生成装置,所述装置包括:
获取模块,用于获取目标气象背景场数据;
处理模块,用于通过预设的任务序列处理所述目标气象背景场数据以生成空气质量预报,其中,所述任务序列中的首个任务以所述目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,所述任务序列末端的任务输出所述空气质量预报;
其中,在所述任务序列中的预设任务,按照预设时长将所述预设任务的输入划分为输入分块;在所述预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块将就其作为下一任务的输入分块提供给所述下一任务;其中,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。
根据本公开的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述空气质量预报生成方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行上述空气质量预报生成方法。
本公开实施例中,在获取目标气象背景场数据后,通过预设的任务序列处理目标气象背景场数据以生成空气质量预报,在执行任务序列中的预设任务时,按照预设时长将预设任务的输入等分为多个输入分块,在预设任务及其后的任务中,依次处理每个输入分块以生成对应的输出分块,生成部分输出分块后就将已生成的输出分块作为下一任务的输入分块提供给下一任务。因此,可无需等待预设任务全部处理并输出完成,预设任务的下一任务便可以开始处理预设任务已输出的输出分块,进而能够缩短空气质量预报生成的时间,达到了优化空气质量预报及时性的目的。
附图说明
在下面结合附图对于示例性实施例的描述中,本公开的更多细节、特征和优点被公开,在附图中:
图1示出了根据本公开示例性实施例的空气质量预报生成方法的流程图;
图2示出了根据本公开示例性实施例的某个时间点的任务序列处理示意图;
图3示出了根据本公开示例性实施例的空气质量预报生成的流程图;
图4示出了根据本公开示例性实施例的计算节点分配的流程图;
图5示出了根据本公开示例性实施例的空气质量预报生成装置的示意性框图;
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
为了清楚描述本公开实施例提供的方法,下面对所使用的专业术语进行介绍。
全球气象背景场:全球气象背景场是区域尺度气象预报模式的必要输入数据,为气象预报模式提供初始和边界条件数据,全球气象背景场通常采用美国国家环境预报中心的GFS(Global Forecasting System,全球预报系统)全球预报数据集,可以在其官方FTP(File Transfer Protocol,文件传输协议)进行动态下载。
本公开实施例提供了一种空气质量预报生成方法,该方法可以由终端、服务器和/或其他具备处理能力的设备完成。本公开实施例提供的方法可以由上述任一设备完成,也可以由多个设备共同完成,本公开对此不作限定。
本公开实施例以服务器为例,下面将参照图1所示的空气质量预报生成方法的流程图,对空气质量预报生成方法进行介绍。
步骤S101,服务器获取目标气象背景场数据。
其中,目标气象背景场数据可以是指预设区域和预设时段的气象背景场数据,本公开对此不作限定。
在一种可能的实施方式中,气象背景场数据可以为全球气象背景场,全球气象背景场可以采用美国国家环境预报中心的GFS全球预报数据集,服务器可以在官方FTP中下载全球预报数据集。其中,全球预报数据的时间颗粒度可以设置为1小时,本公开实施例对此不做限定,也即是说,全球预报数据的每个时间单元为1小时,下载的全球预报数据集至少包括预设区域内与预报时段对应的多个时间单元的全球预报数据,例如,预设区域为北京,预报时段为未来10天内,则下载的全球预报数据集可以为北京未来10天的240个小时全球预报数据,本公开实施例对具体的预报区域和预报时段不做限定。其中,全球预报数据可以包括不同垂直层上的温度、气压、湿度、风速U分量、风速V分量、降水量等,本公开实施例对此不作限定。
在一种可能的实施方式中,服务器获取到目标气象背景场数据的情形可以包括以下两种:
第一,终端向服务器发送获取请求。
在一种可能的实施方式中,终端可以向服务器发送用户触发的获取请求,具体的处理方式可以如下:用户可以在终端上设置预设区域和预设时段,点击确认获取选项,此时终端会生成获取请求,并向服务器发送该获取请求。在这种情形下,服务器可以响应终端的请求,开始获取预设区域和预设时段的气象背景场数据。
在一种可能的实施方式中,终端可以周期性向服务器发送获取请求,具体的处理方式可以如下:用户可以在终端上预先设置预设区域、预设时段和获取周期,每当达到预设获取周期时,终端会生成获取请求,并向服务器发送该获取请求。在这种情形下,服务器可以响应终端的请求,开始获取预设区域和预设时段的气象背景场数据。上述预设获取周期可以由用户设置,本公开实施例对此不作限定。
第二,服务器根据自身配置文件开始获取目标气象背景场数据。
在一种可能的实施方式中,预设区域和预设时段存储在配置文件中,服务器在启动后,开始获取预设区域和预设时段的气象背景场数据。
在一种可能的实施方式中,在终端上设置预设区域和预设时段,服务器启动后,服务器首先从终端中获取预设区域和预设时段,然后开始获取预设区域和预设时段的气象背景场数据。
其中,服务器的启动方式可以是用户手动触发或服务器根据自身的配置文件自动触发等,本公开实施例对此不作限定。
当然,除上述两种情形之外,还可以是其他情形,本公开实施例对具体情形不作限定。
步骤S102,服务器通过预设的任务序列处理目标气象背景场数据以生成空气质量预报。
其中,任务序列中的首个任务以步骤S101中获取的目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,任务序列末端的任务输出空气质量预报。
其中,在任务序列中的预设任务,按照预设时长将预设任务的输入划分为输入分块;在预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块就将其作为下一任务的输入分块提供给下一任务。
在步骤S102中,任务序列可包括预报模式任务,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。示例性的,预报模式任务可包括气象模式处理、空气质量模式处理。
在一种可能的实施方式中,预报模式的依赖关系可包括:前一个输入分块对应的输出分块作为预报模式处理后一个输入分块的部分输入。例如,预报模式任务处理第1小时的输入分块,得到第1小时的输出分块,进一步的预报模式任务将第1小时的输出分块作为其处理第2小时的输入分块的部分输入,同理,预报模式任务处理后续小时的输入分块均以其前一个小时的输出分块作为部分输入。
在一种可能的实施方式中,服务器将下载的全球预报数据提供给任务序列中的首个任务作为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,最终任务序列末端的任务输出空气质量预报。其中,在执行任务序列中的预设任务时,服务器可按照预设时长将预设任务的输入等分为多个输入分块。在预设任务及其后的任务中,依次处理每个输入分块以生成对应的输出分块,在生成部分输出分块后就将已生成的部分输出分块作为下一任务的输入分块提供给下一任务,使得预设任务及其后的任务同步处理。示例性的,在预设任务及其后的任务中,每生成一个输出分块后就将已生成的输出分块作为下一任务的输入分块提供给下一任务;或者,在预设任务及其后的任务中,生成多个输出分块(例如2个或其他数目)后将生成的多个输出分块作为下一任务的输入分块提供给下一任务。本公开实施例对此不作限定。
因此,可无需等待预设任务全部处理并输出完成,预设任务的下一任务便可以开始处理预设任务已输出的输出分块,进而能够缩短空气质量预报生成的时间,达到了优化空气质量预报及时性的目的。
在任务序列的处理过程中,可以在任务序列中的任意任务开始进行分块处理。在一种可能的实施方式中,在任务序列的首个任务中分块处理,即预设任务是首个任务,此时,序列任务中的每个任务均能够并行进行,进而能够进一步缩短空气质量预报生成的时间,达到了进一步优化空气质量预报及时性的目的。
例如,如图2所示的某个时间点的任务序列处理示意图,任务序列中共包含四个任务,四个任务依次设置为任务1、任务2、任务3、任务4,预设任务设置为任务1,则在任务1中开始对输入进行分块处理,即任务1的输入被分为n个分块,n个分块依次设置为分块1、分块2、……分块n。在图2中,虚线框表示已经处理完成的模块,细实线框表示正在处理的模块,粗实线框表示待处理的模块,箭头表示箭头末端的模块依赖箭头起始端的模块。针对图2对应的时间点,此时任务序列的处理状态如下:任务1已经将其处理完成的分块1、分块2、分块3提供给任务2,且任务1正在处理分块4,分块5至分块n正在等待任务1处理;任务2已经将其处理完成的分块1、分块2提供给任务3,且任务2正在处理分块3;任务3已经将其处理完成的分块1提供给任务4,且任务3正在处理分块2;任务4正在处理分块1。
可选的,任务序列包括的任务依次为:气象模式处理、气象预报数据处理、空气质量模式处理、空气质量预报数据处理、预报产品制作。
在一种可能的实施方式中,服务器将下载的全球预报数据提供给气象模式处理,气象模式处理以下载的全球预报数据作为输入,生成气象要素三维预报数据,该气象要素三维预报数据为预设区域高时空分辨率的气象要素三维预报数据;气象模式处理将气象要素三维预报数据提供给气象预报数据处理;气象预报数据处理以气象要素三维预报数据作为输入,生成气象要素数据,该气象要素数据为满足空气质量模式要求的气象要素数据;气象预报数据处理将气象要素数据提供给空气质量模式处理;空气质量模式处理以气象要素数据作为输入,生成污染物浓度三维预报数据;空气质量模式处理将污染物浓度三维预报数据提供给空气质量预报数据处理;空气质量预报数据处理以污染物浓度三维预报数据作为输入,生成空气质量预报数据;空气质量预报数据处理将空气质量预报数据提供给预报产品制作;预报产品制作以空气质量预报数据作为输入,生成预报产品。
在一种可能的实施方式中,将预设任务设置为气象模式处理,也就是从气象模式处理开始进行前述分块处理。服务器将下载的全球预报数据提供给气象模式处理作为输入,气象模式处理可按照预设时长将下载的全球预报数据等分为多个输入分块,预设时长包括一个或多个时间单元,本公开实施例对此不作限定。气象模式处理可依照多个输入分块的时序对多个输入分块依次进行处理,此时气象模式里能够依次生成与每个气象模式的输入分块对应的气象模式的输出分块,当得到部分气象模式的输出分块时,将该部分气象模式的输出分块提供给气象预报数据处理作为气象预报数据处理的输入分块。气象模式处理继续对剩余的气象模式处理的输入分块依次进行处理,同时气象预报数据处理对气象预报数据处理的输入分块依次进行处理,同理,后续空气质量模式处理、空气质量预报数据处理、预报产品制作均能够对提供给自己的输入分块依次进行处理。
可选的,在预设任务的下一任务,判断预设任务生成的输出分块的数目是否大于或等于预设数目;若是,开始处理预设任务生成的输出分块。
在一种可能的实施方式中,在基于上述将预设任务设置为气象模式处理的情形下,周期性判断气象模式的输出分块数目是否达到了预设数目,如果达到预设数目,则气象预报数据处理开始对气象模式的已输出部分的输出分块进行处理。此时在预设任务输出预设数目的输出分块后,预设任务的后一任务开始进行后续处理,能够为序列任务中的多个任务的并行处理提供缓冲时间,从而能够减小在多个任务的并行处理开始后某个任务等待输入分块的情况,进而使多个任务的并行处理更加流畅,达到了减小计算压力的目的。
在一种可能的实施方式中,在预设任务后的每个任务,判断任务自身生成的输出分块的数目是否小于上一任务生成的输出分块的数目;若是,说明上一任务已生成的输出分块中有未完成当前任务处理的部分,处理上一任务生成的输出分块。
因此,在当前任务接收到上一任务生成的输出分块时,当前任务能够尽量快速的开始处理,进而能够进一步缩短空气质量预报生成的时间,达到了进一步优化空气质量预报及时性的目的。
示例性的,每个任务对自身生成的输出分块进行计数,得到自身生成的输出分块的数目。每个任务可查询其上一任务生成的输出分块的数据,判断任务自身生成的输出分块的数目是否小于上一任务生成的输出分块的数目。
在一种可能的实施方式中预设时长与空气质量预报的预报时间颗粒度相等。
因此,预设时长与空气质量预报的预报时间颗粒度相等,此时空气质量预报生成的过程更加简单高效,达到了优化空气质量预报方法复杂性和及时性的目的。示例性的,可以设置预报时间颗粒度为1小时,则对于未来10天的240个小时全球预报数据,其可以被分为240个输入分块,即每个输入分块的时长为1小时。
在一种可能的实施方式中,参照图3所示的空气质量预报生成的流程图,空气质量预报生成的处理过程可以如下:
步骤S301,服务器周期性判断未来10天的240个小时全球预报数据是否全部下载完成;若未下载完成,则服务器继续下载全球预报数据,若下载完成,则进入步骤S302。
步骤S302,启动气象模式处理。其中,气象模式处理包括以下处理:气象模式处理按照全球预报数据的时间单元(即1小时)将下载的全球预报数据等分为240个输入分块,接着气象模式处理根据240个输入分块的时间次序,对每个小时的全球预报数据依次进行预处理,然后根据预设的预报区域和预报时段(即未来10天)进行物理过程积分模拟计算,进而气象模式处理能够依次得到并输出每个小时的全球预报数据对应的气象要素三维预报数据。
步骤S303,服务器周期性判断是否气象模式输出的小时数大于等于预设小时数且是否气象预报数据处理输出的小时数小于气象模式输出的小时数;若否,则进入步骤S305,若是,则进入步骤S304。
步骤S304,启动气象预报数据处理。其中,气象预报数据处理包括以下处理:气象预报数据处理对已输出的气象要素三维预报数据按照气象要素三维预报数据的时间次序逐小时进行数据提取、诊断分析、坐标变换、格式转换等预处理,进而气象预报数据处理可依次得到并输出每个小时的气象要素三维预报数据对应的气象要素数据。其中,气象要素数据可以包括风速U分量、风速V分量、水汽含量、气温、气压、相对湿度等三维大气变量,土壤温度、土壤湿度等三维土壤变量,以及2米温度、2米相对湿度、10米风速U分量、10米风速V分量、土壤类型、对流降水、非对流降水、短波辐射、边界层高度等二维变量,本公开实施例对此不作限定。
步骤S305,服务器周期性判断是否空气质量模式输出的小时数小于气象预报数据处理输出的小时数;若否,则进入步骤S307,若是,则进入步骤S306。
步骤S306,启动空气质量模式处理。其中,空气质量模式处理包括以下处理:空气质量模式处理将已输出的气象要素数据和提前准备好的网格化排放源数据作为输入,然后能够按照气象要素数据时间次序逐小时处理,即根据预设的预报区域和预报时段进行物理和化学的积分模拟计算,进而空气质量模式依次得到并输出每个小时的气象要素数据对应的污染物浓度三维预报数据。
步骤S307,服务器周期性判断是否空气质量预报数据处理输出的小时数小于空气质量模式输出的小时数;若否,则进入步骤S309,若是,则进入步骤S308。
步骤S308,启动空气质量预报数据处理。其中,空气质量预报数据处理包括以下处理:空气质量预报数据处理对已输出的污染物浓度三维预报数据进行数据提取、诊断分析、指数计算、单位转换、格式转换等预处理,进而空气质量预报数据处理依次得到并输出每个小时的污染物浓度三维预报数据对应的空气质量预报数据。其中,空气质量预报数据可以包括预设区域近地面的6项常规污染物浓度(SO2(二氧化硫)、NO2(二氧化氮)、CO(一氧化碳)、O3(臭氧)、PM2.5(细颗粒物)、PM10(可吸入颗粒物))及空气质量指数等,本公开实施例对此不作限定。
步骤S309,服务器周期性判断是否预报产品制作输出的小时数小于空气质量预报数据处理输出的小时数;若否,则进入步骤S311,若是,则进入步骤S310。
步骤S310,启动预报产品制作。其中,预报产品制作包括以下处理:预报产品制作将已输出的空气质量预报数据和对应的气象要素数据作为输入,结合预报业务需求和预报产品规范等进行处理,进而预报产品制作可依次得到并输出每个小时的空气质量预报数据对应的预报产品。另外,根据业务需求,预报产品也可以按照逐3小时、逐6小时或日均等频率进行输出,本公开实施例对此不做限制。例如,预报产品按照逐3小时的频率输出,则预报产品的每次输出可以由当前的3个小时对应的空气质量预报数据均值和气象要素数据均值处理得到,也可以由当前的3个小时中的最后1小时对应的空气质量预报数据均值和气象要素数据均值处理得到,本公开实施例对此不作限定。
其中,上述预报产品可以包括地面天气图、850hPa天气图、700hPa天气图、500hPa天气图、预设区域不同气象要素时间序列图、预设区域不同气象要素时间垂直剖面图、近地面6项常规污染物的浓度空间分布图、预设区域不同污染物浓度时间序列图、预设区域不同污染物浓度时间垂直剖面图等,本公开实施例对此不作限定。
步骤S311,服务器周期性判断是否已完成的预报产品的小时数等于预设结果小时数;若否,则返回步骤S302,若是,则进入步骤S312。
步骤S312,空气质量预报生成结束。
其中,基于预报模式的依赖关系,步骤S302还包括如下处理:除第一小时的全球预报数据外,服务器基于气象模式处理某个小时的全球预报数据时,还可以输入上1小时的气象要素三维预报数据。步骤S306还包括如下处理:除第一小时的气象要素数据外,服务器基于空气质量模式处理某个小时的气象要素数据时,还可以输入上1小时的污染物浓度三维预报数据。由此可知,气象模式处理和空气质量模式处理可按照输入数据的时间次序逐块进行处理。可选的,按照预设时长将预设任务的输入划分为输入分块之后,还包括:为每个输入分块设置时序信息;
其中,在预设任务及其后的任务,基于输入分块的时序信息确定输入分块之间的时序关系。
在一种可能的实施方式中,在气象模式处理的任务中,在将下载的全球预报数据等分为240个输入分块后,还可以为每个输入分块设置时序信息,后续基于输入分块的时序信息确定输入分块之间的时序关系。
可选的,空气质量预报生成方法还包括分配多个计算节点,其中,多个计算节点包括一个第一计算节点、一个第二计算节点、一个第三计算节点和多个第四计算节点。
参照图4所示的计算节点分配的流程图,分配多个计算节点的处理如下:
步骤S401,服务器为步骤101分配第一计算节点。
步骤S402,服务器为步骤S304和步骤S308分配第二计算节点。
步骤S403,服务器为步骤S310分配第三计算节点。
步骤S404,服务器将多个第四计算节点均分给步骤S302和步骤S306。
例如,将一个第一计算节点分配给步骤S101,将一个第二计算节点分配给步骤S304和步骤S308共用,将一个第三计算节点分配给步骤S310,分别给步骤S302和步骤S306分配9个第四计算节点。
可选的,第一计算节点和所述第二计算节点可以相同。步骤S304和步骤S308均不会与步骤101同时进行,因此共用一个计算节点能够更加节省计算资源。
此外,为了更清晰的了解本专利的技术效果,本实施例采用一个对比例进行说明:
应用WRF-NAQPMS空气质量模式系统开展京津冀及周边地区未来10天空气质量业务预报,起报时间为每天世界时12时(即北京时间20时),模式系统启动的时间为凌晨0时。预报区域采用三层嵌套设置,第一区域为东亚地区,水平分辨率为45km;第二区域覆盖中国全境,水平分辨率为15km;第三区域为京津冀及周边地区,水平分辨率为5km。方案1采用任务序列中的多个任务依次串行处理的方案,方案2采用本公开的技术方案。两种方案各流程环节完成计算处理的时间点如下表1所示。
表1对比例
由上表可见,采用方案1,空气质量预报生成的各环节需要互相等待,顺序运行,全流程运行完毕需要耗时13.5小时,无法在上午9点前提供预报产品,无法满足预报及时性要求。而采用本公开的空气质量预报生成方法,空气质量预报生成的多个环节可以并行处理,例如气象模式启动之后,气象预报数据处理也可以开始运行;气象预报数据和空气质量预报数据处理可以在模式计算完成之后10-20分钟内就完成处理。通过本公开的方法大大缩短了空气质量预报生成的时间,可以在上午8点左右完成预报产品制作,较好地满足预报及时性要求。此外,也可以注意到,当空气质量模式开始运行并且空气质量预报数据开始处理时,预报产品就可以开始制作并展示,因此预报人员在空气质量预报生成未全部结束的过程中就可以看到部分预报产品,在本案例中,从大约凌晨02:30分开始,逐小时预报产品就可以逐步生成并提供给预报人员使用。
本公开实施例中,服务器在获取目标气象背景场数据后,通过预设的任务序列处理目标气象背景场数据以生成空气质量预报,在执行任务序列中的预设任务时,服务器会按照预设时长将预设任务的输入等分为多个输入分块,在预设任务及其后的任务中,依次处理每个输入分块以生成对应的输出分块,生成部分输出分块后就将已生成的部分输出分块作为下一任务的输入分块提供给下一任务。因此,无需等待预设任务全部处理并输出完成,预设任务的下一任务便可以开始处理预设任务已输出的输出分块,进而能够缩短空气质量预报生成的时间,达到了优化空气质量预报及时性的目的。
本公开实施例提供了一种空气质量预报生成装置,该装置用于实现上述空气质量预报生成方法。如图5所示的空气质量预报生成装置的示意性框图,空气质量预报生成装置400包括:获取模块501,处理模块502。
获取模块501,用于获取目标气象背景场数据;
处理模块502,用于通过预设的任务序列处理目标气象背景场数据以生成空气质量预报,其中,任务序列中的首个任务以目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,任务序列末端的任务输出空气质量预报;
其中,在任务序列中的预设任务,按照预设时长将预设任务的输入划分为输入分块;在预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块将就其作为下一任务的输入分块提供给该下一任务;其中,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。
可选的,空气质量预报生成装置还包括缓冲模块,缓冲模块用于:
在预设任务的下一任务,判断预设任务生成的输出分块的数目是否大于或等于预设数目;
若是,开始处理预设任务生成的输出分块。
可选的,空气质量预报生成装置还包括判断模块,判断模块用于:
在预设任务后的每个任务,判断任务自身生成的输出分块的数目是否小于上一任务生成的输出分块的数目;
若是,处理上一任务生成的输出分块。
可选的,处理模块502还用于:将任务序列中的首个任务设置为预设任务。
可选的,处理模块502还用于:设置预设时长与空气质量预报的预报时间颗粒度相等。
可选的,空气质量预报生成装置还包括设置模块,设置模块用于:
在按照预设时长将预设任务的输入划分为输入分块之后,为每个输入分块设置时序信息;
其中,在预设任务及其后的任务,基于输入分块的时序信息确定输入分块之间的时序关系。
可选的,处理模块502还用于:
设置任务序列包括的任务依次为:气象模式处理、气象预报数据处理、空气质量模式处理、空气质量预报数据处理、预报产品制作。
本公开实施例中,服务器在获取目标气象背景场数据后,通过预设的任务序列处理目标气象背景场数据以生成空气质量预报,在执行任务序列中的预设任务时,服务器会按照预设时长将预设任务的输入等分为多个输入分块,在预设任务及其后的任务中,依次处理每个输入分块以生成对应的输出分块,生成部分输出分块后就将已生成的部分输出分块作为下一任务的输入分块提供给下一任务。因此,无需等待预设任务全部处理并输出完成,预设任务的下一任务便可以开始处理预设任务已输出的输出分块,进而能够缩短空气质量预报生成的时间,达到了优化空气质量预报及时性的目的。
本公开示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元607可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理。例如,在一些实施例中,空气质量预报生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。在一些实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行空气质量预报生成方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种空气质量预报生成方法,其特征在于,所述方法包括:
获取目标气象背景场数据;
通过预设的任务序列处理所述目标气象背景场数据以生成空气质量预报,其中,所述任务序列中的首个任务以所述目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,所述任务序列末端的任务输出所述空气质量预报;
其中,在所述任务序列中的预设任务,按照预设时长将所述预设任务的输入划分为输入分块;在所述预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块就将其作为下一任务的输入分块提供给下一任务;其中,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。
2.根据权利要求1所述的空气质量预报生成方法,其特征在于,还包括:
在所述预设任务的下一任务,判断所述预设任务生成的输出分块的数目是否大于或等于预设数目;
若是,开始处理所述预设任务生成的输出分块。
3.根据权利要求1所述的空气质量预报生成方法,其特征在于,所述方法还包括:
在所述预设任务后的每个任务,判断任务自身生成的输出分块的数目是否小于上一任务生成的输出分块的数目;
若是,处理上一任务生成的输出分块。
4.根据权利要求1的空气质量预报生成方法,其特征在于,所述预设任务为所述任务序列中的首个任务。
5.根据权利要求1所述的空气质量预报生成方法,其特征在于,所述预设时长与空气质量预报的预报时间颗粒度相等。
6.根据权利要求1所述的空气质量预报生成方法,其特征在于,所述按照预设时长将所述预设任务的输入划分为输入分块之后,还包括:为每个输入分块设置时序信息;
其中,在所述预设任务及其后的任务,基于输入分块的时序信息确定输入分块之间的时序关系。
7.根据权利要求1至6中任一项所述的空气质量预报生成方法,其特征在于,所述任务序列包括的任务依次为:气象模式处理、气象预报数据处理、空气质量模式处理、空气质量预报数据处理、预报产品制作。
8.一种空气质量预报生成装置,其特征在于,所述装置包括:
获取模块,用于获取目标气象背景场数据;
处理模块,用于通过预设的任务序列处理所述目标气象背景场数据以生成空气质量预报,其中,所述任务序列中的首个任务以所述目标气象背景场数据为输入,首个任务之后的每个任务的输入包括自身的前一任务的输出,所述任务序列末端的任务输出所述空气质量预报;
其中,在所述任务序列中的预设任务,按照预设时长将所述预设任务的输入划分为输入分块;在所述预设任务及其后的任务,以输入分块为单位处理输入分块以生成对应的输出分块,每生成部分输出分块将就其作为下一任务的输入分块提供给所述下一任务;其中,在预报模式任务,基于预报模式的依赖关系逐个生成输入分块对应的输出分块。
9.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111456903.7A CN114090266B (zh) | 2021-12-01 | 2021-12-01 | 空气质量预报生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111456903.7A CN114090266B (zh) | 2021-12-01 | 2021-12-01 | 空气质量预报生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114090266A true CN114090266A (zh) | 2022-02-25 |
CN114090266B CN114090266B (zh) | 2022-12-09 |
Family
ID=80306221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111456903.7A Active CN114090266B (zh) | 2021-12-01 | 2021-12-01 | 空气质量预报生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090266B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106293893A (zh) * | 2015-06-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 作业调度方法、装置及分布式系统 |
WO2017101301A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 数据信息处理方法及装置 |
CN108491263A (zh) * | 2018-03-02 | 2018-09-04 | 珠海市魅族科技有限公司 | 数据处理方法、数据处理装置、终端及可读存储介质 |
CN110955390A (zh) * | 2019-11-22 | 2020-04-03 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置和电子设备 |
CN111178635A (zh) * | 2019-12-31 | 2020-05-19 | 上海眼控科技股份有限公司 | 天气预报方法、装置、计算机设备和计算机可读存储介质 |
CN111401632A (zh) * | 2020-03-13 | 2020-07-10 | 华润电力技术研究院有限公司 | 天气预报方法以及相关装置 |
CN112200310A (zh) * | 2020-08-28 | 2021-01-08 | 厦门星宸科技有限公司 | 智能处理器、数据处理方法及存储介质 |
CN112700064A (zh) * | 2021-01-14 | 2021-04-23 | 中科三清科技有限公司 | 空气质量预报数值输出的伴随后处理方法及装置 |
CN113420939A (zh) * | 2021-07-15 | 2021-09-21 | 上海眼控科技股份有限公司 | 云图预报方法、设备及存储介质 |
CN113485820A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 任务调度系统及其实现方法、设备和介质 |
CN113642223A (zh) * | 2021-10-13 | 2021-11-12 | 中科三清科技有限公司 | 空气质量预报方法、装置、设备和计算机可读存储介质 |
-
2021
- 2021-12-01 CN CN202111456903.7A patent/CN114090266B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106293893A (zh) * | 2015-06-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 作业调度方法、装置及分布式系统 |
WO2017101301A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 数据信息处理方法及装置 |
CN108491263A (zh) * | 2018-03-02 | 2018-09-04 | 珠海市魅族科技有限公司 | 数据处理方法、数据处理装置、终端及可读存储介质 |
CN110955390A (zh) * | 2019-11-22 | 2020-04-03 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置和电子设备 |
CN111178635A (zh) * | 2019-12-31 | 2020-05-19 | 上海眼控科技股份有限公司 | 天气预报方法、装置、计算机设备和计算机可读存储介质 |
CN111401632A (zh) * | 2020-03-13 | 2020-07-10 | 华润电力技术研究院有限公司 | 天气预报方法以及相关装置 |
CN112200310A (zh) * | 2020-08-28 | 2021-01-08 | 厦门星宸科技有限公司 | 智能处理器、数据处理方法及存储介质 |
CN112700064A (zh) * | 2021-01-14 | 2021-04-23 | 中科三清科技有限公司 | 空气质量预报数值输出的伴随后处理方法及装置 |
CN113420939A (zh) * | 2021-07-15 | 2021-09-21 | 上海眼控科技股份有限公司 | 云图预报方法、设备及存储介质 |
CN113485820A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 任务调度系统及其实现方法、设备和介质 |
CN113642223A (zh) * | 2021-10-13 | 2021-11-12 | 中科三清科技有限公司 | 空气质量预报方法、装置、设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114090266B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103680496A (zh) | 基于深层神经网络的声学模型训练方法、主机和系统 | |
CN107741899B (zh) | 处理终端数据的方法、装置及系统 | |
CN114282721B (zh) | 污染物预报模型训练方法、装置、电子设备及存储介质 | |
CN111552550A (zh) | 一种基于图形处理器gpu资源的任务调度方法、设备及介质 | |
TW201921299A (zh) | 用於確定預估到達時間的系統和方法 | |
US10515322B2 (en) | Method and system for generating occupant schedules | |
CN114138868B (zh) | 空气质量统计分布图绘制方法和装置 | |
CN114090266B (zh) | 空气质量预报生成方法和装置 | |
WO2022016981A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN116739388B (zh) | 减排措施评估方法、装置及存储介质 | |
CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
CN114048279B (zh) | 生成预报信息的方法和装置 | |
CN116151600B (zh) | 共享车辆的维护方法、装置、计算机设备和存储介质 | |
CN116070923B (zh) | 大气污染情景模拟方法、装置和电子设备 | |
CN110047030B (zh) | 周期性特效生成方法及装置、电子设备、存储介质 | |
CN115423919B (zh) | 图像的渲染方法、装置、设备以及存储介质 | |
CN114327846A (zh) | 集群的扩容方法、装置、电子设备及计算机可读存储介质 | |
CN114051057A (zh) | 云设备排队时长的确定方法、装置、电子设备和介质 | |
CN115239842B (zh) | 空气质量剖面分析图的绘制方法和装置 | |
CN115859628B (zh) | 一种基于贝塞尔曲线的风切变点识别方法、装置、存储介质及终端 | |
CN114066059B (zh) | 一种预测环境污染的方法和装置 | |
CN117113727B (zh) | 交互式数值模拟的设备配置方法、装置及电子设备 | |
CN117707797B (zh) | 基于分布式云平台的任务调度方法、装置及相关设备 | |
CN117495989B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
CN115065866B (zh) | 一种视频生成方法、装置、设备及存储介质 |
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 |