一种复杂地形下施工点的阵风风速预测方法及系统与流程

本发明涉及气象，例如涉及一种复杂地形下施工点的阵风风速预测方法及系统。

背景技术：

1、复杂的山区地形下，风速呈现出显著的分布特征。山脉迎风一侧通常表现出风速减缓的趋势，因为山体阻挡了风流；而背风一侧则常常呈现出风速加速的现象，形成地形风。在山谷和峡谷中，局部的风速会因地形的狭窄或宽阔而产生显著变化，通常表现为谷底风速较高。此外，局部气流如山谷风、山间谷地风等也会影响风速的分布，使得山区内部风速呈现出复杂而多样的格局。地表摩擦、山脉的遮挡效应以及地形的不规则性都是导致复杂山区地形下风速分布特征的重要因素。

2、关注的施工点均位于200米高度以上的桥面，当阵风达到6级及以上时，会增加高空施工作业人员的安全风险，对高空作业使用的设备和机械产生负面影响，从而导致高空作业暂停或取消。

3、申请号为cn202311074474.6的中国专利申请，公开了一种桥梁施工过程中的防风预警方法，所述方法针对目标桥梁的各阶段进行结构建模，获取结构模型，同时基于所述目标桥梁所在地的历史天气数据，获取风环境数据，再根据所述风环境数据，对所述结构模型进行风环境模拟，获取预测结果，并根据预先设定的大风影响等级判定所述预测结果，获取相应的大风影响等级，根据大风影响等级选择对应的防风预警预案，最后根据施工现场采集的大风数据进行风险判定和防风预警预案执行。通过该方法，能获取可靠的风险预测结果，能有效提供桥梁施工过程中的风险预警，减少或者避免因大风导致施工过程中的损失，并给出了相应的预警预案，能对风险的发生做出快速的响应。

4、但是仅仅是通过历史大风数据来推测未来大风数据，由于每次施工点处的环境因素，例如气压、降水、近期平均风速等完全不相同。因此，该方法预测的大风影响等级精度并不高。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、本公开实施例提供了一种复杂地形下施工点的阵风风速预测方法及系统，能够提高对目标施工点的风速预测精度。

3、在一些实施例中，一种复杂地形下施工点的阵风风速预测方法，包括：收集目标施工点的风速相关性要素数据和风速，其中，风速相关性要素数据为施工点上影响风速的要素；

4、将风速相关性要素数据和风速作为机器学习的输入数据，训练出施工点阵风风速预测模型，其中，所述施工点阵风风速预测模型用于根据风速相关性要素数据来预测风速；

5、采集风速相关性要素数据，输入到施工点阵风风速预测模型中，来预测目标施工点的风速。

6、可选的，收集目标施工点的风速相关性要素数据和风速之前，还包括：

7、分析目标施工点潜在影响风速的要素，作为预选风速相关性要素；

8、对预选风速相关性要素根据对风速影响性进行排序，获取预选风速相关性要素排序；

9、在预选风速相关性要素排序中，筛选出预设数量排名前列的预选风速相关性要素，作为风速相关性要素。

10、可选的，所述预选风速相关性要素包括观测预选风速相关性要素和地理预选风速相关性要素。

11、可选的，观测预选风速相关性要素，包括：气压、气温、降水、相对湿度和平均风速中的任一项或者多项。

12、可选的，地理预选风速相关性要素，包括：施工点的高程、起伏度、坡度、坡向的任一项或者多项。

13、可选的，风速相关性要素数据和风速分为训练集和测试集。

14、可选的，施工点阵风风速预测模型为循环神经网络模型。

15、在一些实施例中，公开了一种复杂地形下施工点的阵风风速预测系统，包括：

16、收集数据模块，被配置为收集目标施工点的风速相关性要素数据和风速，其中，风速相关性要素数据为施工点上影响风速的要素；

17、训练模型模块，被配置为将风速相关性要素数据和风速作为机器学习的输入数据，训练出施工点阵风风速预测模型，其中，所述施工点阵风风速预测模型用于根据风速相关性要素数据来预测风速；

18、预测风速模块，被配置为采集风速相关性要素数据，输入到施工点阵风风速预测模型中，来预测目标施工点的风速。

19、在一些实施例中，公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，执行如上述的复杂地形下施工点的阵风风速预测方法。

20、在一些实施例中，公开了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如上述的复杂地形下施工点的阵风风速预测方法。

21、本公开实施例提供的一种复杂地形下施工点的阵风风速预测方法及系统、电子设备、存储介质，可以实现以下技术效果：

22、本公开实施例收集目标施工点的风速相关性要素数据和风速，将风速相关性要素数据和风速作为机器学习的输入数据，训练出施工点阵风风速预测模型，实现预测目标施工点的风速。因此，本公开实施例能够基于风速相关性要素数据和风速的关系，建立施工点阵风风速预测模型，从而提高了复杂地形下施工点的阵风风速预测的准确性。

23、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本发明。

技术特征：

1.一种复杂地形下施工点的阵风风速预测方法，其特征在于，包括：

2.根据权利要求1所述的复杂地形下施工点的阵风风速预测方法，其特征在于，收集目标施工点的风速相关性要素数据和风速之前，还包括：

3.根据权利要求2所述的复杂地形下施工点的阵风风速预测方法，其特征在于，所述预选风速相关性要素包括观测预选风速相关性要素和地理预选风速相关性要素。

4.根据权利要求3所述的复杂地形下施工点的阵风风速预测方法，其特征在于，观测预选风速相关性要素，包括：气压、气温、降水、相对湿度和平均风速中的任一项或者多项。

5.根据权利要求3所述的复杂地形下施工点的阵风风速预测方法，其特征在于，地理预选风速相关性要素，包括：施工点的高程、起伏度、坡度、坡向的任一项或者多项。

6.根据权利要求1所述的复杂地形下施工点的阵风风速预测方法，其特征在于，风速相关性要素数据和风速分为训练集和测试集。

7.根据权利要求1所述的复杂地形下施工点的阵风风速预测方法，其特征在于，施工点阵风风速预测模型为循环神经网络模型。

8.一种复杂地形下施工点的阵风风速预测系统，其特征在于，包括：

9.一种设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1至7中任一项所述的方法。

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如权利要求1至7中任一项所述的方法。

技术总结
本发明涉及气象技术领域，公开了一种复杂地形下施工点的阵风风速预测方法及系统，方法包括：收集目标施工点的风速相关性要素数据和风速，其中，风速相关性要素数据为施工点上影响风速的要素；将风速相关性要素数据和风速作为机器学习的输入数据，训练出施工点阵风风速预测模型，其中，所述施工点阵风风速预测模型用于根据风速相关性要素数据来预测风速；采集风速相关性要素数据，输入到施工点阵风风速预测模型中，来预测目标施工点的风速。本发明能够基于风速相关性要素数据和风速的关系，建立施工点阵风风速预测模型，从而提高了复杂地形下施工点的阵风风速预测的准确性。

技术研发人员：黄蔚薇,钱娅,宋丽莉,王斌,陈斌,何晓凤,李英,陈钻,王新
受保护的技术使用者：华风气象传媒集团有限责任公司
技术研发日：
技术公布日：2024/9/23