CN117348114A - 基于实时数据校正天气预报信息的方法、系统及存储介质 - Google Patents
基于实时数据校正天气预报信息的方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117348114A CN117348114A CN202311216563.XA CN202311216563A CN117348114A CN 117348114 A CN117348114 A CN 117348114A CN 202311216563 A CN202311216563 A CN 202311216563A CN 117348114 A CN117348114 A CN 117348114A
- Authority
- CN
- China
- Prior art keywords
- weather
- information
- time
- real
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 50
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 18
- 230000009193 crawling Effects 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 53
- 238000012545 processing Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 239000013566 allergen Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/18—Testing or calibrating meteorological apparatus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了基于实时数据校正天气预报信息的方法、系统及存储介质，所述方法包括步骤S1：获取天气预报信息，并在电子地图上标注相应的预报区域；步骤S2：当目标区域达到天气预报信息的天气变化时间时，对实时天气信息图像进行爬取并输入训练后的卷积神经网络模型进行天气信息识别，得到实时天气信息，所述目标区域包括用户所在区域，和/或用户操作电子地图中停留时间超过阈值的区域；步骤S3：将步骤S1中预报的天气信息与步骤S2中获取的所述实时天气信息进行比对；步骤S4：基于步骤S3的对比结果，对天气预报信息进行校正。本发明通过实时获取的图像信息对天气预报的数据进行实时校正，使得实时天气信息更加准确。
Description
技术领域
本发明属于区域天气预报修正的技术领域，具体涉及基于实时数据校正天气预报信息的方法、系统及存储介质。
背景技术
天气预报系统是使用气象数据和预测模型来预测未来一段时间内的天气状况的系统。这些系统通常使用多种数据源，如气象卫星、气象雷达、气象传感器和气象模型等，来获取实时和历史天气数据。然后，通过分析这些数据并应用气象学原理和算法，系统可以生成天气预报。
在电子地图中显示天气预报信息和云图信息是一种常见的功能，可以帮助用户更方便地获取天气信息和了解当前天气状况。这样的功能通常在天气应用程序或在线地图服务中提供。通过电子地图显示天气预报信息，用户可以查看未来几天内的天气情况，包括温度、降水概率、风速、湿度等。这些信息可能会以图标、颜色编码或其他可视化方式呈现在地图上的特定位置或地区。用户可以通过地图上的标记或交互式界面选择感兴趣的位置，以获取该地区的天气预报信息。另外，云图信息也可以在电子地图中显示。云图显示了当前的云量和云的分布情况。这对于了解当前天空的状况以及可能的降水区域非常有用。云图通常使用不同的颜色或图案来表示不同类型和密度的云，以便用户可以快速了解天空的情况。
显示天气预报和云图信息的电子地图通常会与气象数据源进行集成，以获取实时的天气数据。这些数据源可以是气象局、气象卫星、气象雷达等。地图应用程序或服务会定期更新数据，并根据新的预报信息和观测数据更新地图上的天气信息和云图。这样的功能可以帮助用户计划旅行、外出活动或其他与天气有关的决策。同时，用户可以通过与地图交互，获取更详细的天气信息，如小时级预报、气象警报等。电子地图中显示天气预报信息和云图信息可以提供方便的天气查询和观察功能，帮助用户更好地了解当前和未来的天气状况。尽管电子地图中的天气预报功能在许多方面提供了便利和实用性，但也存在一些潜在的缺点：
①预测准确性：天气预报是基于气象模型和数据进行的估算。尽管这些模型和数据经过精心设计和分析，但天气条件的变化仍可能导致预报的准确性有所偏差。因此，电子地图中的天气预报可能会出现偏差或错误的情况，特别是在复杂的气象条件下。
②区域性差异：天气状况在不同的地理位置可能存在显著的差异。电子地图中的天气预报是基于区域范围内的数据和模型生成的，因此可能无法准确反映具体位置的天气情况。在某些情况下，电子地图上显示的天气预报可能与实际情况不符。
③更新延迟：天气预报需要依赖实时的气象数据和模型计算，而这些数据的获取和处理需要一定的时间。因此，电子地图中的天气预报可能会有一定的更新延迟，无法实时反映最新的天气变化。
④数据源限制：电子地图的天气预报功能依赖于可靠的气象数据源。然而，某些地区可能缺乏完整或准确的气象数据，导致预报的质量受到影响。此外，对于一些较为偏远或人口稀少的地区，可能难以获取到实时和准确的天气数据。
⑤个性化需求：电子地图中的天气预报通常是基于广泛的用户群体提供的数据和预测结果。然而，不同用户对于天气预报的需求和关注点可能有所不同。因此，对于一些特定的个性化需求，如特殊活动的天气影响、过敏原物质的浓度等，电子地图中的通用天气预报功能可能无法满足用户的要求。
现有的电子地图中的天气预报信息依赖由气象部门提供的来自卫星和气象观测站的信息。尽管模型经过不断优化，预报的信息已经较为准确，也可以根据实时的天气进行更新，但也存在以上缺陷。在对电子地图的天气预报信息进行更新和校正时，不能根据特定需要按需进行采集和校正，因此需要保存海量的样本信息；而且不能对实地获取的图像信息进行辨别和选择，针对性的对气象预报信息进行校正，并实时显示相应的图像信息以及提供反馈。
发明内容
本发明的目的在于提供基于实时数据校正天气预报信息的方法、系统及存储介质，本发明通过实时获取的图像信息对天气预报的数据进行实时校正，使得实时天气信息更加准确。
本发明主要通过以下技术方案实现：
基于实时数据校正天气预报信息的方法，包括以下步骤：
步骤S1：获取天气预报信息，并在电子地图上标注相应的预报区域；
步骤S2：当目标区域达到天气预报信息的天气变化时间时，对实时天气信息图像进行爬取并输入训练后的卷积神经网络模型进行天气信息识别，得到实时天气信息，所述目标区域包括用户所在区域，和/或用户操作电子地图中停留时间超过阈值的区域；
步骤S3：将步骤S1中预报的天气信息与步骤S2中获取的所述实时天气信息进行比对；
步骤S4：基于步骤S3的对比结果，对天气预报信息进行校正。
为了更好地实现本发明，进一步地，所述步骤S1包括以下步骤：
步骤S11：通过天气预报查询API获取天气预报信息，构建API请求并发送至API终端，所述API终端响应得到相应的天气预报信息，所述API请求包括API密钥和天气查询参数；
步骤S12：将天气预报信息在电子地图中进行展示，将获取的天气预报信息中的地理位置信息与电子地图中的地理数据进行匹配；然后根据匹配的地理位置信息，在地图上标注相应的预报区域，提供区域预报信息的可视化展示；
步骤S13：根据电子地图的行政区域或指定区域对电子地图进行区域划分，得到若干个子区域；
步骤S14：生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。
为了更好地实现本发明，进一步地，步骤S13中，根据行政区域对电子地图进行区域划分包括以下步骤：
步骤A1：获取行政区域数据，行政区域数据包括行政区域边界和相应标识的地理数据；
步骤A2：行政区域匹配，将获取的天气预报信息中的地理位置信息与行政区域数据进行匹配，根据行政区域的边界和标识，将预报信息与相应的行政区域进行关联；
步骤A3：数据聚合和汇总，对于每个行政区域，将该区域内的天气预报信息进行聚合和汇总，得到预报类型、温度范围、降水量的相关信息；
步骤A4：在地图上标注行政区域，根据行政区域数据，在电子地图上标注相应的行政区域，在地图上绘制行政区域的边界；
步骤A5：提供区域预报信息的可视化展示，在标注的行政区域上提供相应的预报信息的可视化展示，在每个行政区域上显示预报类型、温度范围、降水量的相关信息；
步骤A6：实时更新和交互，保持与天气API或数据源的连接，以实时获取最新的天气预报信息；在电子地图上进行定期更新，以确保展示的预报信息是最新的；同时，提供交互功能，使用户能够选择特定的行政区域获取更多关于该区域的预报信息。
为了更好地实现本发明，进一步地，所述步骤S2包括以下步骤：
步骤S21：查询所述气象数据变化表，当目标区域在目标时间之内有天气变化时，执行实时天气信息的获取；
步骤S22：爬取定位在所述目标区域内的在社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像；
步骤S23：对爬取的图像进行校验，将获取图像信息中的定位信息与时间信息和所述气象数据变化表中的位置信息与时间信息进行比较，当位置信息和时间信息之间的差值均小于阈值时，采集的图像校验通过，否则舍弃相应图像；
步骤S24：对爬取的图像输入预先训练的卷积神经网络模型识别相应得到实时天气信息。
为了更好地实现本发明，进一步地，所述步骤S3包括以下步骤：
步骤S31：若从获取的社交网络中的图片中获取的天气信息与所述专属点位图像中获取的天气信息一致，则直接将其与预警的天气信息进行比对；
步骤S32：若获取的社交网络中的图片中获取的天气信息与专属点位图像中获取的天气信息不一致，则依据所述专属点位图像中获取的天气信息与预警的天气信息进行比对；
步骤S32：若当前区域不存在专属点位图像，则对获取的多个社交网络图片对应的社交网络用户进行可信度评估，将可信度最高的用户对应的图像所识别的天气信息与预报的天气信息进行比对，其中可信度评估根据用户信用评分以及历史图像信息反馈情况进行计算。
为了更好地实现本发明，进一步地，所述步骤S4包括以下步骤：
步骤S41：若对比结果相同，则不对天气预报信息进行校正；若对比结果不同，则根据所述实时天气信息对天气预报信息进行校正；
步骤S42：将校正信息在电子地图中进行显示；
步骤S43：将校正信息来源的图像信息在电子地图中相应的位置进行显示，设置反馈按钮，接受其他用户的反馈信息。
本发明主要通过以下技术方案实现：
基于实时数据校正天气预报信息的系统，包括天气信息获取模块，用于获取天气预报信息；实时天气信息获取模块，用于获取目标区域的实时天气信息；天气信息比对模块，用于将天气预报信息与实时天气信息进行比对；天气信息校正模块，用于基于比对结果对天气预报信息进行校正。
为了更好地实现本发明，进一步地，所述天气信息获取模块包括天气预报信息获取模块，用于通过天气预报查询API获取天气预报信息；显示模块，用于将天气预报信息在电子地图中进行展示；区域划分模块，用于根据电子地图的行政区域或指定区域对电子地图进行区域划分；地图显示模块，用于生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。
为了更好地实现本发明，进一步地，所述实时天气信息获取模块包括气象数据变化表构建模块，用于根据所述气象数据变化表，获取目标区域在目标时间之内有天气变化时的实时天气信息请求；实时图像采集模块，用于爬取目标区域内社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像；图像校验模块，用于根据位置信息与时间信息对爬取的图像进行校验筛选；天气信息识别模块，用于将筛选后的爬取的图像输入预先训练的卷积神经网络模型识别得到实时天气信息。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的校正天气预报信息的方法。
本发明的有益效果如下：
（1）本发明可根据用户操作及当前状态进行目标区域实时的天气预报数据校正，不用时刻刷新校正，降低系统运行负荷且更有针对性；
（2）本发明通过气象数据变化表可以只对发生天气变化的时间节点进行考察，可提高运行效率，降低系统运行压力；
（3）本发明通过实时获取的图像信息对天气预报的数据进行实时校正，使得实时天气信息更加准确，且让用户能够更加直观地获取实时天气图像信息；
（4）本发明可以实现对电子地图中的气象预警信息进行实时校正。对天气预报信息的校正基于用户的操作触发，并且数据库中存储的气象数据仅涉及天气发生变化时的节点时间，可以提高查询和处理的效率。优选地，本发明通过社交网络中用户发布的实时照片以及预先设定的特定专属点位的实时照片来获取实时的天气信息，并根据所述天气信息来对电子地图中的天气信息进行校正。此外，本发明还可以在电子地图中显示选定的具有代表性的特定照片来向其他用户直观地展示所属地点的实时天气信息。
附图说明
图1为本发明的基于实时数据校正天气预报信息的方法的流程图；
图2为本发明的基于实时数据校正天气预报信息的系统的原理框图。
具体实施方式
实施例1：
基于实时数据校正天气预报信息的方法，如图1所示，包括以下步骤：
S1，获取天气预报信息；
S11，可以通过API来获取公开的天气预报信息。
优选地，选择天气API供应商：选择一家可靠的天气API供应商，例如OpenWeatherMap、Weather.com、AccuWeather等。这些供应商提供了丰富的天气数据和API接口。注册和获取API密钥：在所选的天气API供应商网站上注册账号，并获取用于访问API的唯一密钥（API key）。API密钥是访问API的身份验证凭证，确保只有授权的用户能够获取天气数据。然后根据终端点是API的URL地址，用于发送请求并获取天气数据。
优选地，构建API请求：使用编程语言（如Python、JavaScript等）或HTTP工具（如Postman）构建API请求。在请求中包括API密钥和所需的参数，如地理位置、时间范围、语言等。发送API请求：向API终端点发送构建好的API请求，并等待响应。API供应商将根据请求提供相应的天气数据。
处理和解析响应：接收到API的响应后，根据所使用的编程语言或工具，对响应进行处理和解析。通常响应以JSON格式返回，可以通过解析JSON数据来提取所需的天气信息。
数据处理和展示：根据应用需求，对获取的天气数据进行处理和展示。可以根据数据生成天气预报、绘制图表、显示气象条件等。
S12，获取天气预报信息后，需要对天气预报信息进行进一步处理。
处理和解析天气预警信息：根据所选择的天气API或数据源的响应格式，对获取的天气预警信息进行处理和解析。通常，天气预警信息以JSON格式返回，可以使用编程语言中的JSON解析库来提取所需的预警信息。
地理数据匹配：将获取的天气预警信息中的地理位置信息与电子地图中的地理数据进行匹配。这可以通过地理编码或地理坐标（经纬度）进行匹配。确保预警信息与电子地图上的地理区域相对应。
在地图上标注预警区域：根据匹配的地理位置信息，在电子地图上标注相应的预警区域。可以使用地图API提供的标记或绘制功能，在地图上绘制多边形、边界或标记点，以表示预警区域的范围。
S13，为了便于构建气象数据变化表，可根据行政区域对电子地图进行划分。
获取行政区域数据，获取包含行政区域边界和相应标识的地理数据。这可以是行政区域边界的地理坐标或行政区域的边界线数据。
行政区域匹配，将获取的天气预报信息中的地理位置信息与行政区域数据进行匹配。根据行政区域的边界和标识，将预报信息与相应的行政区域进行关联。
数据聚合和汇总，对于每个行政区域，将该区域内的天气预报信息进行聚合和汇总。这可以包括预报类型、温度范围、降水量等相关信息。
在地图上标注行政区域，根据行政区域数据，在电子地图上标注相应的行政区域。可以使用地图API提供的绘制多边形或区域的功能，在地图上绘制行政区域的边界。
提供区域预报信息的可视化展示，在标注的行政区域上提供相应的预报信息的可视化展示。这可以包括在每个行政区域上显示预报类型、温度范围、降水量等相关信息。可以使用标记、信息窗口、图表或其他自定义的展示方式。
优选地，实时更新和交互，保持与天气API或数据源的连接，以实时获取最新的天气预报信息。在电子地图上进行定期更新，以确保展示的预报信息是最新的。同时，提供交互功能，使用户能够选择特定的行政区域或获取更多关于该区域的预报信息。
S14，生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。其中气象数据变化表中对每一个区域的天气变化时间进行统计，以便于在发生天气变化的节点进行数据采集，以减少数据采集量和计算量。
S2，当目标区域达到所述预警信息的天气变化时间时，对实时天气信息进行爬取；
S21，查询所述气象数据变化表，当目标区域在目标时间之内有天气变化时，执行实时天气信息的获取，其中所述目标区域包括以下情况中的一种或多种：用户所在区域，用户操作电子地图中停留时间超过阈值的区域；
优选地，其中获取目标区域信息具体可以为，获取用户当前所在区域信息：
获取用户当前所在区域，可使用IP地址定位服务，根据用户的IP地址获取其大致地理位置信息。IP地址定位可以提供用户所在的城市或地区级别的位置信息。有一些第三方API提供IP地址定位服务，可以使用它们来获取用户当前所在的区域信息。浏览器定位：通过浏览器的地理位置定位功能，可以获取用户当前的精确地理位置。通过使用HTML5的Geolocation API，可以获取用户的经纬度坐标。然后，可以使用逆地理编码服务将坐标转换为区域信息，例如行政区域或地名。移动设备定位：在移动设备上，可以使用设备的GPS、基站定位或Wi-Fi定位功能来获取用户的当前位置。通过调用相关的设备定位API，可以获取用户的经纬度坐标，然后进行逆地理编码以获取所在区域的信息。HTML5地理位置API：HTML5提供了Geolocation API，可以通过浏览器访问设备的地理位置信息。通过使用该API，可以获取用户的经纬度坐标，并使用逆地理编码服务将坐标转换为区域信息。
优选地，另外，还可以获取用户当前操作界面对应的区域：
使用地理逆编码根据用户在电子地图上的操作，获取用户所点击或选择的地理坐标（经纬度）。然后使用地理逆编码的服务，将该地理坐标转换为对应的行政区域信息。地理逆编码可以将地理坐标转换为具体的地址信息，包括行政区域。
获取包含行政区域边界的地理数据，并在电子地图上加载这些行政区域边界数据。然后根据用户的操作，判断其所在的地理坐标是否位于某个行政区域的边界内部。如果是，那么该地理坐标所在的行政区域即为用户当前操作的行政区域。
某些地图服务提供商可能提供了直接获取当前视图或操作的行政区域信息的API。通过调用这些API，可以获取用户当前操作的电子地图对应的行政区域信息。
S22，爬取定位在所述目标区域内的在社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像。优选地，包括以下步骤：
首先，专属点位设定的图像采集设备可以是气象部门或公安部门设定的特定设备，或根据需要自行设置的图像采集装置。
获取社交网络中指定地点的用户发布的图像信息可以通过以下方式来完成：确定目标社交网络平台，确定要获取图片的目标社交网络平台，例如微博、小红书、抖音等。不同的平台可能具有不同的API和数据访问方式。
然后，注册和获取API密钥，在目标社交网络平台上注册开发者账号，并获取用于访问其API的密钥或访问令牌。这些密钥或令牌是与API进行身份验证和授权的凭证。
接下来生成API请求，使用Python、JavaScript等编程语言或API调试工具构建API请求。在请求中包括API密钥、所需的参数和筛选条件，如地理位置、时间范围、用户标识等。
然后发送API请求，向目标社交网络平台的API终端点发送构建好的API请求，并等待响应。平台将根据请求提供符合条件的图片数据。
最后解析和处理响应，接收到API的响应后，根据所使用的编程语言或工具，对响应进行解析和处理。通常响应以JSON格式返回，可以通过解析JSON数据来提取所需的图片信息。得到图片信息后，根据需求，对获取的图片进行展示和处理。
S23，对爬取的图像进行校验，通过获取图像信息中的定位信息和时间信息与所述气象数据变化表中的位置信息和时间信息进行比较，当位置信息和时间信息之间的差值小于阈值时，采集的图像校验通过，否则舍弃相应图像；
S24，对爬取的图像通过预先训练的卷积神经网络模型识别相应的天气信息。
优选地，卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，专门用于处理图像数据，并在图像识别和分类任务中取得了显著的成功。优选地，通过CNN识别图像中的天气信息可以分为以下步骤：
预先利用图片库中的图片进行模型训练，使用收集和标记的数据集，训练一个CNN模型。CNN模型通常由多个卷积层、池化层和全连接层组成。通过反向传播算法，模型会自动学习提取图像中的特征，以区分不同的天气类别。
对通过校验的图片进行预处理。包括调整图像的大小和格式化为适当的输入形式。还可以进行其他预处理步骤，如图像增强、归一化等，以提高模型的性能。
然后将预处理后的图片输入模型训练和验证，将数据集分为训练集和验证集，并使用训练集对CNN模型进行训练。通过迭代优化模型参数，使其能够准确地分类图像中的天气信息。使用验证集评估模型的性能，进行调整和改进。
最后进行测试和推理，使用训练好的CNN模型对新的图像进行测试和推理。将待识别的图像输入模型，模型将输出对应的天气类别。可以设置阈值来确定模型的置信度，以及对未知天气或不确定情况的处理。
S3，将预警的天气信息与获取的所述实时天气信息进行比对；
S31，若获取的社交网络中的图片中获取的天气信息与所述专属点位图像中获取的天气信息一致，则直接将其与预警的天气信息进行比对；
S32，若获取的社交网络中的图片中获取的天气信息与专属点位图像中获取的天气信息不一致，则依据所述专属点位图像中获取的天气信息与预警的天气信息进行比对；
S32，若当前区域不存在专属点位图像，则对获取的多个社交网络图片对应的社交网络用户进行可信度评估，将可信度最高的用户对应的图像所识别的天气信息与预警的天气信息进行比对，其中可信度评估根据用户信用评分以及历史图像信息反馈情况进行计算。
优选地，对用户的可信度进行评价，具体可为：检查用户的个人资料信息，包括用户名、头像、个人简介等。完善和真实的个人资料可能意味着用户的可信度更高。
评估用户在社交网络上的活跃程度。活跃度高的用户通常有更多的社交互动、发布频率较高，并与其他用户之间有更多的互动。
历史行为分析：分析用户过去的行为和互动模式。这包括发布的内容类型、互动的对象、评论的质量等。用户如果经常发布有价值、可信的内容，并与其他可信用户互动，可能是可信度较高的用户。
关注者和关注的用户：观察用户的关注者和用户自己关注的其他用户。如果用户的关注者中有其他可信度较高的用户，或者用户自己关注了一些可信度较高的用户，那么可能意味着该用户也具有较高的可信度。
社交网络的反馈和评价：考虑社交网络上其他用户对目标用户的反馈和评价。这可以是评论、点赞、转发等。积极的反馈和评价可能表示用户的可信度较高。
多来源信息验证：通过查看其他独立来源的信息，尽可能验证用户发布的内容。如果多个来源的信息相互印证，可能增加用户的可信度。
S4，基于所述对比结果，对天气预报信息进行校正。
S41，若对比结果相同，则不对天气预报信息进行校正；若对比结果不同，则根据所述实时天气信息对天气预报信息进行校正；
S42，将校正信息在电子地图中进行显示；
S43，将校正信息来源的图像信息在电子地图中相应的位置进行显示，设置反馈按钮，接受其他用户的反馈信息。优选地，包括以下步骤：
获取图片的地理位置信息，可以是图片的经纬度坐标或其他标识地理位置的元数据。
使用地理编码服务，将图片的地理位置信息转换为对应的地理坐标或位置描述。这可以将经纬度转换为地址或位置名称，以便在电子地图上显示。设置和配置地图显示的区域、样式和标记选项。
在地图上添加标记：根据图片的地理位置信息，在地图上添加相应的标记或标注。可以是图钉、自定义图标或其他可视化元素，用于表示图片所在的地理位置。
将图片与地图上的标记进行关联，并在用户点击标记时，展示相应的图片。可以实现图片的弹出窗口、信息窗口或其他交互方式，显示图片的预览、详情或相关信息。
也可以将多张照片进行展示。如果同一地点存在多张图片，可以考虑对图片进行聚合或分组显示。这样用户可以在地图上看到多个标记或聚合图标，表示该地点有多张图片可供查看。
本发明在使用过程中，通过API获取天气预报信息，并将天气预报信息结合电子地图按照区域进行划分，并生成气象数据变化表，统计电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。当用户操作电子地图停留时间超过设定阈值或进行指定操作时，启动对实时天气信息的爬取。通过社交网络爬取实地用户上传的实时图像或通过预先设置的图像采集装置获取图像，在对图像进行校验后，通过卷积神经网络识别出图像中的天气信息，将识别出的天气信息与天气预报中的天气信息进行比对，当对比结果不一致时进行校验。此外，还可将获取的具有代表性的实时天气图像在电子地图中进行显示，以便用户直观地从电子地图中获取天气信息。
实施例2：
基于实时数据校正天气预报信息的系统，如图2所示，包括以下模块：
天气信息获取模块，获取天气预警信息；
实时天气信息获取模块，当目标区域达到所述预警信息的天气变化时间时，对实时天气信息进行爬取；
天气信息比对模块，将预警的天气信息与获取的所述实时天气信息进行比对；
天气信息校正模块，基于所述对比结果，对天气预报信息进行校正。
优选地，还包括以下模块：
天气预报信息获取模块，通过天气预报查询API获取天气预报信息；
显示模块，将天气预警信息在电子地图中进行展示；
区域划分模块，根据电子地图的行政区域或指定区域方法方式，对电子地图进行区域划分；
地图显示模块，生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。
优选地，还包括以下模块：
气象数据变化表构建模块，查询所述气象数据变化表，当目标区域在目标时间之内有天气变化时，执行实时天气信息的获取，其中所述目标区域包括以下情况中的一种或多种：用户所在区域，用户操作电子地图中停留时间超过阈值的区域；
实时图像采集模块，爬取定位在所述目标区域内的在社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像；
图像校验模块，对爬取的图像进行校验，通过获取图像信息中的定位信息和时间信息与所述气象数据变化表中的位置信息和时间信息进行比较，当位置信息和时间信息之间的差值小于阈值时，采集的图像校验通过，否则舍弃相应图像；
天气信息识别模块，对爬取的图像通过预先训练的卷积神经网络模型识别相应的天气信息。
优选地，还包括以下模块：
天气信息比对模块，若获取的社交网络中的图片中获取的天气信息与所述专属点位图像中获取的天气信息一致，则直接将其与预警的天气信息进行比对；
若获取的社交网络中的图片中获取的天气信息与专属点位图像中获取的天气信息不一致，则依据所述专属点位图像中获取的天气信息与预警的天气信息进行比对；
可信度评估模块，若当前区域不存在专属点位图像，则对获取的多个社交网络图片对应的社交网络用户进行可信度评估，将可信度最高的用户对应的图像所识别的天气信息与预警的天气信息进行比对，其中可信度评估根据用户信用评分以及历史图像信息反馈情况进行计算。
优选地，还包括以下模块：
信息校正模块，若对比结果相同，则不对天气预报信息进行校正；若对比结果不同，则根据所述实时天气信息对天气预报信息进行校正；
显示模块，将校正信息在电子地图中进行显示；
反馈模块，将校正信息来源的图像信息在电子地图中相应的位置进行显示，设置反馈按钮，接受其他用户的反馈信息。
本发明可以实现对电子地图中的气象预警信息进行实时校正。对天气预报信息的校正基于用户的操作触发，并且数据库中存储的气象数据仅涉及天气发生变化时的节点时间，可以提高查询和处理的效率。优选地，本发明通过社交网络中用户发布的实时照片以及预先设定的特定专属点位的实时照片来获取实时的天气信息，并根据所述天气信息来对电子地图中的天气信息进行校正。此外，本发明还可以在电子地图中显示选定的具有代表性的特定照片来向其他用户直观地展示所属地点的实时天气信息。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (10)
1.基于实时数据校正天气预报信息的方法，其特征在于，包括以下步骤：
步骤S1：获取天气预报信息，并在电子地图上标注相应的预报区域；
步骤S2：当目标区域达到天气预报信息的天气变化时间时，对实时天气信息图像进行爬取并输入训练后的卷积神经网络模型进行天气信息识别，得到实时天气信息，所述目标区域包括用户所在区域，和/或用户操作电子地图中停留时间超过阈值的区域；
步骤S3：将步骤S1中预报的天气信息与步骤S2中获取的所述实时天气信息进行比对；
步骤S4：基于步骤S3的对比结果，对天气预报信息进行校正。
2.根据权利要求1所述的基于实时数据校正天气预报信息的方法，其特征在于，所述步骤S1包括以下步骤：
步骤S11：通过天气预报查询API获取天气预报信息，构建API请求并发送至API终端，所述API终端响应得到相应的天气预报信息，所述API请求包括API密钥和天气查询参数；
步骤S12：将天气预报信息在电子地图中进行展示，将获取的天气预报信息中的地理位置信息与电子地图中的地理数据进行匹配；然后根据匹配的地理位置信息，在地图上标注相应的预报区域，提供区域预报信息的可视化展示；
步骤S13：根据电子地图的行政区域或指定区域对电子地图进行区域划分，得到若干个子区域；
步骤S14：生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。
3.根据权利要求2所述的基于实时数据校正天气预报信息的方法，其特征在于，步骤S13中，根据行政区域对电子地图进行区域划分包括以下步骤：
步骤A1：获取行政区域数据，行政区域数据包括行政区域边界和相应标识的地理数据；
步骤A2：行政区域匹配，将获取的天气预报信息中的地理位置信息与行政区域数据进行匹配，根据行政区域的边界和标识，将预报信息与相应的行政区域进行关联；
步骤A3：数据聚合和汇总，对于每个行政区域，将该区域内的天气预报信息进行聚合和汇总，得到预报类型、温度范围、降水量的相关信息；
步骤A4：在地图上标注行政区域，根据行政区域数据，在电子地图上标注相应的行政区域，在地图上绘制行政区域的边界；
步骤A5：提供区域预报信息的可视化展示，在标注的行政区域上提供相应的预报信息的可视化展示，在每个行政区域上显示预报类型、温度范围、降水量的相关信息；
步骤A6：实时更新和交互，保持与天气API或数据源的连接，以实时获取最新的天气预报信息；在电子地图上进行定期更新，以确保展示的预报信息是最新的；同时，提供交互功能，使用户能够选择特定的行政区域获取更多关于该区域的预报信息。
4.根据权利要求2或3所述的基于实时数据校正天气预报信息的方法，其特征在于，所述步骤S2包括以下步骤：
步骤S21：查询所述气象数据变化表，当目标区域在目标时间之内有天气变化时，执行实时天气信息的获取；
步骤S22：爬取定位在所述目标区域内的在社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像；
步骤S23：对爬取的图像进行校验，将获取图像信息中的定位信息与时间信息和所述气象数据变化表中的位置信息与时间信息进行比较，当位置信息和时间信息之间的差值均小于阈值时，采集的图像校验通过，否则舍弃相应图像；
步骤S24：对爬取的图像输入预先训练的卷积神经网络模型识别相应得到实时天气信息。
5.根据权利要求4所述的基于实时数据校正天气预报信息的方法，其特征在于，所述步骤S3包括以下步骤：
步骤S31：若从获取的社交网络中的图片中获取的天气信息与所述专属点位图像中获取的天气信息一致，则直接将其与预警的天气信息进行比对；
步骤S32：若获取的社交网络中的图片中获取的天气信息与专属点位图像中获取的天气信息不一致，则依据所述专属点位图像中获取的天气信息与预警的天气信息进行比对；
步骤S32：若当前区域不存在专属点位图像，则对获取的多个社交网络图片对应的社交网络用户进行可信度评估，将可信度最高的用户对应的图像所识别的天气信息与预报的天气信息进行比对，其中可信度评估根据用户信用评分以及历史图像信息反馈情况进行计算。
6.根据权利要求1所述的基于实时数据校正天气预报信息的方法，其特征在于，所述步骤S4包括以下步骤：
步骤S41：若对比结果相同，则不对天气预报信息进行校正；若对比结果不同，则根据所述实时天气信息对天气预报信息进行校正；
步骤S42：将校正信息在电子地图中进行显示；
步骤S43：将校正信息来源的图像信息在电子地图中相应的位置进行显示，设置反馈按钮，接受其他用户的反馈信息。
7.基于实时数据校正天气预报信息的系统，其特征在于，包括天气信息获取模块，用于获取天气预报信息；实时天气信息获取模块，用于获取目标区域的实时天气信息；天气信息比对模块，用于将天气预报信息与实时天气信息进行比对；天气信息校正模块，用于基于比对结果对天气预报信息进行校正。
8.根据权利要求7所述的基于实时数据校正天气预报信息的系统，其特征在于，所述天气信息获取模块包括天气预报信息获取模块，用于通过天气预报查询API获取天气预报信息；显示模块，用于将天气预报信息在电子地图中进行展示；区域划分模块，用于根据电子地图的行政区域或指定区域对电子地图进行区域划分；地图显示模块，用于生成气象数据变化表，统计所述电子地图中每一个子区域的天气变化节点时间以及对应的变化天气。
9.根据权利要求7所述的基于实时数据校正天气预报信息的系统，其特征在于，所述实时天气信息获取模块包括气象数据变化表构建模块，用于根据所述气象数据变化表，获取目标区域在目标时间之内有天气变化时的实时天气信息请求；实时图像采集模块，用于爬取目标区域内社交网络中特定时间之内发布的户外实时图片和/或在专属点位设定的图像采集设备的实时图像；图像校验模块，用于根据位置信息与时间信息对爬取的图像进行校验筛选；天气信息识别模块，用于将筛选后的爬取的图像输入预先训练的卷积神经网络模型识别得到实时天气信息。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述的校正天气预报信息的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311216563.XA CN117348114A (zh) | 2023-09-20 | 2023-09-20 | 基于实时数据校正天气预报信息的方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311216563.XA CN117348114A (zh) | 2023-09-20 | 2023-09-20 | 基于实时数据校正天气预报信息的方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117348114A true CN117348114A (zh) | 2024-01-05 |
Family
ID=89370175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311216563.XA Pending CN117348114A (zh) | 2023-09-20 | 2023-09-20 | 基于实时数据校正天气预报信息的方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117348114A (zh) |
-
2023
- 2023-09-20 CN CN202311216563.XA patent/CN117348114A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220245118A1 (en) | Refining Location Estimates and Reverse Geocoding Based on a User Profile | |
| KR101742821B1 (ko) | 위치 콘텐츠의 품질을 평가하기 위한 방법 및 시스템 | |
| Degrossi et al. | A taxonomy of quality assessment methods for volunteered and crowdsourced geographic information | |
| US8265871B1 (en) | Mobile record information entry and geotagging | |
| Kim et al. | Improved correction of atmospheric pressure data obtained by smartphones through machine learning | |
| Tjaden | Measuring migration 2.0: a review of digital data sources | |
| Chow et al. | Geographic disparity of positional errors and matching rate of residential addresses among geocoding solutions | |
| CN112861972A (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
| CN111178653B (zh) | 用于确定污染区域的方法和装置 | |
| Cajka et al. | Geo-sampling in developing nations | |
| WO2021048902A1 (ja) | 学習モデル適用システム、学習モデル適用方法、及びプログラム | |
| Hiremath et al. | A Smart App for Pothole Detection Using Yolo Model | |
| Mahmud et al. | State of mobile crowdsourcing applications: A review | |
| CN112748453B (zh) | 道路侧定位方法、装置、设备及存储介质 | |
| CN111782955A (zh) | 兴趣点表示和推送方法、装置、电子设备及存储介质 | |
| CN111782973A (zh) | 兴趣点状态预测方法、装置、电子设备及存储介质 | |
| CN108763414B (zh) | 一种实景显示方法、装置、终端设备和存储介质 | |
| CN117348114A (zh) | 基于实时数据校正天气预报信息的方法、系统及存储介质 | |
| US11138615B1 (en) | Location-based place attribute prediction | |
| CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
| US11551322B2 (en) | Methods and devices for searching for a missing person | |
| JP2019128611A (ja) | 生成装置、生成方法及び生成プログラム | |
| WO2021246954A1 (en) | Processing apparatus and method for determining road names | |
| CN113112289B (zh) | 一种商户信息更新方法及装置 | |
| KR102502515B1 (ko) | 유저 단말기의 스캐닝 이미지를 처리하여 생활편의 서비스를 증강현실 기반으로 제공하는 플랫폼의 운영방법 |
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 |