本发明涉及气象预报，具体是涉及一种基于复杂地形风场数据的气象预测方法及系统。

　　1、作为自然环境的重要组成部分，气候在各个方面影响着人类的生活，小到个人生活，大到农业、经济、军事。通过测量的风速、温度湿度对气象进行预报，便于合理的安排活动和工作，气象预报在现代社会中扮演着不可或缺的角色，它通过提供准确的天气信息，帮助人们做出合理的决策，从而提南宫智能科技高生活质量，保障社会经济的稳定发展。

　　2、目前对于复杂地形的气象预测还存在着气象预测输出分辨率低，缺少详细的区域信息，对区域的预报精度仍然较低，现阶段对天气系统内在的复杂性及其不确定性仍然难以有效刻画和描述，动力降尺度模型的输出变量仍然具有较大偏差，仍然不能满足中小尺度的实际应用，尤其是站点尺度的影响评估，并且动力降尺度的方法耗时长，计算资源消耗极高的问题。

　　1、为解决上述技术问题，提供一种基于复杂地形风场数据的气象预测方法及系统，本技术方案解决了上述背景技术中提出的气象预测输出分辨率低，缺少详细的区域信息，对区域的预报精度仍然较低，现阶段对天气系统内在的复杂性及其不确定性仍然难以有效刻画和描述，动力降尺度模型的输出变量仍然具有较大偏差，仍然不能满足中小尺度的实际应用，尤其是站点尺度的影响评估，并且动力降尺度的方法耗时长，计算资源消耗极高的问题。

　　6、获取区域地理数据，所述区域地理数据包括区域海拔信息和区域地形特征信息；

　　7、根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据；

　　8、基于wrf区域气象模型，对测风处理数据进行动力降尺度，获取降尺度风场基础数据；

　　9、对降尺度风场基础数据和测风处理数据进行分析，判断降尺度风场基础数据是否符合标准，若否，则重新对测风处理数据进行动力降尺度，若是，则根据测风处理数据，获取测风特征数据；

　　10、将测风特征数据输入神经网络u-net进行迭代训练，获取低空风场降尺度模型；

　　11、基于低空风场降尺度模型，对测风处理数据进行降尺度，获取低空风场数据；

　　12、根据低空风场数据和区域地理数据，获取气象预测信息，所述气象预测信息包括风速信息和风向信息。

　　13、优选的，所述根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据，具体包括：

　　14、根据区域地理数据和测风站位置信息，获取测风站地理影响信息，所述测风站地理影响信息包括测风站地理影响区域信息和该区域内的地理数据；

　　15、获取测风站历史数据，所述测风站历史数据包括该测风站测量的风速数据、风向信息和摩擦速度；

　　18、根据测风站地表粗糙度和测风站标准地表粗糙度，获取测风站数据时间段；

　　19、对每个测风站的每个测风站数据时间段内的风速进行分析，若风速异常，则对该测风站数据时间段的测风数据进行去除；

　　21、以初始测风站为基准，根据测风站位置信息，对测风站进行分类，获取测风站分类信息，所述测风站分类信息包括初始测风站、基础测风站和辅助测风站；

　　24、根据筛选后的辅助测风站、初始测风站和基础测风站的测风数据，获取测风处理数据；

　　27、式中，z0为测风站地表粗糙度，u(x)为第x个测风站的风速，u*为摩擦速度，hx为第x个测风站风速测量位置与地面的垂直距离，k为凯尔文常数且k＝0.4。

　　29、以初始测风站为基准，对测风站进行连接直至测风站可测量区域覆盖整个测风需求区域，获取测风站分布方案信息；

　　30、根据测风站分布方案信息，选取出连接的测风站数量最小的测风站分布方案，获取测风站基础分布信息；

　　35、根据测风站位置指数和测风站位置指数阈值，判断该辅助测风站是否符合测量需求，若测风站位置指数低于测风站位置指数阈值，则该辅助测风站不符合测量需求，对该辅助测风站的测风数据进行去除，若测风站位置指数高于测风站位置指数阈值，则该辅助测风站符合测量需求；

　　38、式中，q(x)为测风站位置指数，z0(g)为与第x个辅助测风站可测量区域重叠的第g个基础测风站的测风站地表粗糙度，sg为第x个辅助测风站可测量区域与第g个基础测风站可测量区域的重叠区域面积，n为与第x个辅助测风站可测量区域重叠的基础测风站总数。

　　39、优选的，所述对降尺度风场基础数据和测风处理数据进行分析，判断降尺度风场基础数据是否符合标准，具体包括：

　　40、对降尺度风场基础数据和测风处理数据进行数学分析，获取降尺度风场基础数据和测风处理数据的均值μ1、μ2和标准差σ1、σ2；

　　43、式中，f1(y1)为降尺度风场基础数据的累积分布函数，y1为第y个测风站的降尺度风场基础数据，f2(y2)为测风处理数据的累积分布函数，y2为第y个测风站的测风处理数据，erf为误差函数；

　　44、根据降尺度风场基础数据和测风处理数据的累积分布函数，获取最大偏离值：

　　48、根据南宫智能科技测风处理数据和显著性水平值，基于k-s检验表，获取偏离临界值；

　　49、根据最大偏离值和偏离临界值，判断降尺度风场基础数据和测风处理数据的数据分布是否符合数据一致性，若最大偏离值超出偏离临界值，则降尺度风场基础数据和测风处理数据的数据分布不一致，重新对测风处理数据进行动力降尺度，若最大偏离值未超出偏离临界值，则降尺度风场基础数据和测风处理数据的数据分布一致；

　　50、根据测风处理数据，获取测风特征数据，所述测风特征数据包括经向风信息、纬向风信息、温度和湿度。

　　51、优选的，所述将测风特征数据输入神经网络u-net进行迭代训练，获取低空风场降尺度模型，具体包括：

　　53、将测风特征数据集分为训练集和测试集，对神经网络u-net之中进行迭代训练，获取神经网络训练信息，所述神经网络训练信息包括神经网络的损失函数波动数据；

　　54、根据神经网络训练信息，对卷积核数量、激活函数、迭代次数、学习率、损失函数的加权系数和正则化约束进行调整；

　　57、式中，loss为联合损失函数，α为降尺度风场基础数据约束的权重，β为测风处理数据约束的权重，ngird为降尺度风场基础数据量，ns为测风处理数据量，为第i个降尺度风场基础数据的神经网络输出值，yi为第i个降尺度风场基础数据实际值，ymj为第j个测风处理数据的神经网络输出值，sj为第i个测风处理数据实际值。

　　58、优选的，所述根据低空风场数据和区域地理数据，获取气象预测信息，具体包括：

　　59、获取历史气象数据和历史测风数据，所述历史气象数据为低空气象信息，包括低空风速信息和风向信息；

　　61、根据低空风场降尺度模型，对历史测风处理数据进行气象预测，获取历史低空风场数据；

　　65、根据历史风速差异数据和历史低空风向角信息，基于线性回归方程，获取风速修正系数；

　　69、式中，vcorr为气象预测风速，v为神经网络输出的低空风场风速，为风速修正系数，为风速非线性修正系数，θ为风向角。

　　70、进一步的，提出一种基于复杂地形风场数据的气象预测系统，用于实现如上述的预测方法，包括：

　　71、主控制模块，所述主控制模块用于根据测风站位置指数和测风站位置指数阈值，判断该辅助测风站是否符合测量需求，根据最大偏离值和偏离临界值，判断降尺度风场基础数据和测风处理数据的数据分布是否符合数据一致性，根据测风处理数据，获取测风特征数据，根据测风特征数据对神经网络u-net之中进行迭代训练，获取低空风场降尺度模型，基于低空风场降尺度模型，对测风处理数据进行降尺度，获取低空风场数据，根据低空风场数据和区域地理数据，获取气象预测信息；

　　72、信息获取模块，所述信息获取模块用于获取测风数据、区域风向信息、区域风速数据、区域地理数据、区域海拔信息和区域地形特征信息，对测风数据进行溯源，获取测风站位置信息，获取测风站历史数据、历史气象数据和历史测风数据，对历史测风数据进行数据处理，获取历史测风处理数据，并传输至计算模块；

　　73、计算模块，所述计算模块用于根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据，根据测风站历史数据，获取测风站地表粗糙度，根据测风站分类信息，对辅助测风站进行评估，获取测风站位置指数，对降尺度风场基础数据和测风处理数据进行数学分析，获取降尺度风场基础数据和测风处理数据的均值和标准差，根据降尺度风场基础数据和测风处理数据的累积分布函数，获取最大偏离值；

　　74、显示模块，所述显示模块与主控制模块交互，用于输出显示气象预测信息。

　　76、控制单元，所述控制单元用于根据测风处理数据，获取测风特征数据，根据测风特征数据对神经网络u-net之中进行迭代训练，获取低空风场降尺度模型，基于低空风场降尺度模型，对测风处理数据进行降尺度，获取低空风场数据，根据低空风场数据和区域地理数据，获取气象预测信息；

　　77、信息接收单元，所述信息接收单元与信息获取模块和计算模块交互，用于接收数据并传输至判断单元；

　　78、判断单元，所述判断单元用于根据测风站位置指数和测风站位置指数阈值，判断该辅助测风站是否符合测量需求，根据最大偏离值和偏离临界值，判断降尺度风场基础数据和测风处理数据的数据分布是否符合数据一致性。

　　80、第一获取单元，所述第一获取单元用于获取测风数据、区域风向信息、区域风速数据、区域地理数据、区域海拔信息和区域地形特征信息，对测风数据进行溯源，获取测风站位置信息；

　　81、第二获取单元，所述第二获取单元用于获取测风站历史数据、历史气象数据和历史测风数据，对历史测风数据进行数据处理，获取历史测风处理数据，并传输至计算模块。

　　83、数据处理单元，所述数据处理单元用于根据区域地理数据和测风站位置信息，对测风数据进行数据处理，获取测风处理数据，根据测风站历史数据，获取测风站地表粗糙度，根据测风站分类信息，对辅助测风站进行评估，获取测风站位置指数；

　　84、数据检验单元，所述数据检验单元用于对降尺度风场基础数据和测风处理数据进行数学分析，获取降尺度风场基础数据和测风处理数据的均值和标准差，根据降尺度风场基础数据和测风处理数据的累积分布函数，获取最大偏离值。

　　86、本发明提出一种基于复杂地形风场数据的气象预测方法及系统，通过对测风站数据时间段内的异常数据进行去除，确保了数据的可靠性和准确性，通过测风站位置指数，对过于集中的测风站进行去除，确保了测风站位置分布均匀，通过将测风站的误差引入到低空风场的神经网络模型建模的损失函数中，使得降尺度后低空风场在测风站处的分布更加合理，通过风速修正系数，确保了气象预测的准确度，降低了复杂地形对气象预测结果的偏差影响。