本发明涉及天气预报，尤其涉及一种天气预报方法、预报装置、电子设备和存储介质。
背景技术：
1、温压湿风等气象的预报对于农业生产、人民生活、大气和海洋研究、社会经济活动及决策等有重要影响。当前对于气温、气压、风向等气象要素的中长期气象预报主要有数值预报模式、神经网络预报两种方法：
2、1)数值预报模式。该种预报模式通常包括数据预报、资料同化、物理参数化等多个复杂模块，且由于整个预报过程基于天气预报方程进行，需要多步迭代和逐步积分实现，因此单次预报需要大量的计算资源且耗时较长，从而导致在一天中的预报时次有限，以及初始预报的空间分辨率有限。
3、2)神经网络预报模型。该种预报方法是从海量的数据中提取特征并学习数据之间的映射关系，从而提供预报结果。但是目前该种模式大多针对的是全球预报，这会导致训练模型所需的数据量较大，所需计算资源多，训练模型较为耗时。
技术实现思路
1、本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
2、为此，本发明的第一个目的在于提出一种天气预报方法，该方法通过获取预设区域的历史era5数据、边界条件和地表高程数据，建立针对所述预设区域的3d swintransformer天气预报模型，从而基于当前气象数据得到该预设区域的预报结果，从而实现区域性天气预报，减少数据和计算资源，增强对特定地域的预报效果，提高预报的准确性。
3、为达到上述目的，本发明第一方面实施例提出一种天气预报方法，所述天气预报方法包括：获取预设区域的历史气象数据，其中所述历史气象数据包括该预设区域在历史时刻的era5数据和地表高程数据；根据所述预设区域的历史气象数据，基于3d swintransformer模型建立针对所述预设区域的天气预报模型；获取所述预设区域的当前气象数据，并将所述当前气象数据输入至所述天气预报模型中，输出得到针对所述预设区域的天气预报结果，其中所述当前气象数据包括所述预设区域在当前时刻的era5数据和地表高程数据。
4、根据本发明的一个实施例，所述根据预设区域的历史气象数据，基于3d swintransformer模型建立针对所述预设区域的天气预报模型，包括：对所述预设区域的历史气象数据进行预处理，生成用于模型训练的数据集；利用所述数据集对所述3d swintransformer模型进行预训练，得到相应的预报训练结果，其中所述预训练包括单步预报训练和迭代预报训练；根据所述预报训练结果与真实预报结果之间的比较，优化所述3d swintransformer模型，并将优化后的3d swin transformer模型作为用于针对所述预设区域的天气预报模型。
5、根据本发明的一个实施例，所述对预设区域的历史气象数据进行预处理，包括：计算输入的各个数据变量的统计量，将各个变量标准化；以及将所述预设区域的地表高程数据通过插值计算与所述era5数据相互匹配。
6、根据本发明的一个实施例，所述单步预报训练包括：设置间隔时间段；将所述历史时刻的era5数据、地表高程数据和所述间隔时间段输入至所述3d swin transformer模型，以使得所述模型输出历史目标时刻的天气预报结果，其中所述历史目标时刻为所述当前时刻增加所述间隔时间段而得到的时间。
7、根据本发明的一个实施例，所述迭代预报训练包括：设置所述迭代预报的迭代步数；获取前一步的预报结果；将所述前一步的预报结果作为下一步预报的输入数据，得到针对下一步预报的预报结果，循环执行上述预报，直到预报的步数达到所述迭代步数，将输出的预报结果作为所述迭代预报的最终预报结果。
8、根据本发明的一个实施例，所述根据预报训练结果与所述预设区域在历史时刻的真实预报结果之间的比较，优化所述3d swin transformer模型，包括：基于所述预报训练结果和所述真实预报结果，计算用于表征二者之间误差的mse损失；根据所述mse损失，计算模型参数的优化梯度；基于所述模型参数的优化梯度，更新所述模型的模型参数，以对更新后的模型再次进行训练。
9、根据本发明的一个实施例，所述天气预报方法还包括：设置用于预测所述预设区域的天气的边界条件；将所述边界条件和所述当前气象数据，输入至所述天气预报模型中，生成所述预设区域的天气预报结果。
10、为达到上述目的，本发明第二方面实施例提出一种天气预报装置，所述天气预报装置包括：获取单元，用于获取预设区域的历史气象数据，其中所述历史气象数据包括该预设区域在历史时刻的era5数据和地表高程数据；建立单元，用于根据所述预设区域的历史气象数据，基于3d swin transformer模型建立针对所述预设区域的天气预报模型；预报单元，用于获取所述预设区域的当前气象数据，并将所述当前气象数据输入至所述天气预报模型中，输出得到针对所述预设区域的天气预报结果，其中所述当前气象数据包括所述预设区域在当前时刻的era5数据和地表高程数据。
11、为达到上述目的，本发明第三方面实施例提出一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本发明第一方面实施例所述的天气预报方法。
12、为达到上述目的，本发明第四方面实施例提出的计算机可读存储介质，所述计算机程序被处理器执行时实现本发明第一方面实施例所述的天气预报方法。
13、1)能够实现针对特定区域的区域性天气预报，显著减少预报所需数据量和计算资源；
14、2)加入地表高程数据，增强了模型在不同地域的适用性，提升了模型的预报效果；
15、3)通过使用3d swin transformer模型，更好地学习和融合了不同气压层间三维大气变量的特征；
16、4)通过单次预报模型的迭代训练，实现了模型的多步迭代输出，同时能够降低迭代预报的累积误差，提升预报效果；
17、5)通过加入可选的边界条件，能够减少随着迭代预报步长增加而增加的预报误差，提升整体预报效果。
18、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种天气预报方法，其特征在于，所述天气预报方法包括：
2.根据权利要求1所述的天气预报方法，其特征在于，所述根据预设区域的历史气象数据，基于3d swin transformer模型建立针对所述预设区域的天气预报模型，包括：
3.根据权利要求2所述的天气预报方法，其特征在于，所述对预设区域的历史气象数据进行预处理，包括：
4.根据权利要求2所述的天气预报方法，其特征在于，所述单步预报训练包括：
5.根据权利要求2所述的天气预报方法，其特征在于，所述迭代预报训练包括：
6.根据权利要求2所述的天气预报方法，其特征在于，所述根据预报训练结果与真实预报结果之间的比较，优化所述3d swin transformer模型，包括：
7.根据权利要求1所述的天气预报方法，其特征在于，所述天气预报方法还包括：
8.一种天气预报装置，其特征在于，所述天气预报装置包括：
9.一种电子设备，包括：
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所述计算机执行根据权利要求1-7中任一项所述的天气预报方法。
