买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网江西省电力有限公司电力科学研究院;江西省气象科学研究所申请的专利基于概率密度匹配方法和微尺度数值模式的大风预报方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121186893B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511726382.0，技术领域涉及：G01W1/10；该发明授权基于概率密度匹配方法和微尺度数值模式的大风预报方法是由廖昊爽;姚琳;彭王敏子;薛谌彬;敖洋钎;陈琦;王仕俊;罗序成;杨浩设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本基于概率密度匹配方法和微尺度数值模式的大风预报方法在说明书摘要公布了：本发明公开了一种基于概率密度匹配方法和微尺度数值模式的大风预报方法，包括，获取气象数据，并对气象数据进行处理，得到分辨率气象预报场，将分辨率气象预报场作为初始场，通过地形动力学效应、下坡气流特征效应、地形阻塞效应及辐散最小化对初始场进行精细化调整，得到风速预报数据，基于风速预报数据分别得到极大风速预报值和模拟风速，基于极大风速预报值和模拟风速建立联合概率密度函数，通过建立的联合概率密度函数对极大风速预报值进行订正。本发明通过将微尺度气象模式CALMET与中尺度气象模式WRF相结合，并利用NCEP‑GFS数据，实现了复杂地形区域高分辨率的大风预报。

本发明授权基于概率密度匹配方法和微尺度数值模式的大风预报方法在权利要求书中公布了：1.一种基于概率密度匹配方法和微尺度数值模式的大风预报方法，其特征在于，包括： 步骤S1：获取气象数据，并对气象数据进行处理，得到分辨率气象预报场； 步骤S2：将分辨率气象预报场作为初始场，通过地形动力学效应、下坡气流特征效应、地形阻塞效应及辐散最小化对初始场进行精细化调整，得到风速预报数据，基于风速预报数据分别得到极大风速预报值和模拟风速； 步骤S3：基于极大风速预报值和模拟风速建立联合概率密度函数； 步骤S3中的具体过程为： 通过对极大风速预报值和模拟风速进行划分，形成实况-模拟风速的联合分布网格，实况-模拟风速的联合分布网格的每个区间表示为，为第i个极大风速预报值的左端点；为第i+1个极大风速预报值的右端点；为第j个模拟风速子区间的左端点；为第j+1个模拟风速子区间的右端点；和分别为极大风速预报值和模拟风速的范围； 统计实况-模拟风速的联合分布网格中单点历史逐小时极大风速预报值为和模拟风速为在各个风速区间内出现的记录数，通过记录数除以单点的历史总记录数，得到联合概率密度函数表达式为：，其中为单点历史逐小时极大风速预报值落在区间且模拟风速落在区间的记录数，为单点的历史总记录数； 收集极大风速预报值和模拟风速的单点逐小时历史数据，并进行剔除无效、缺失及时间不匹配极大风速预报值和模拟风速后；将模拟风速与160个模拟风速区间比对，当满足时，则确定属于区间，再为确定后的区间设计数变量，当模拟风速落入确定后的区间则计数加1，得到最终数变量值即为模拟风速区间的记录数；联合记录数则同步匹配极大风速预报值区间的记录数； 联合概率密度函数反映极大风速预报值和模拟风速之间的概率关系，即，基于联合概率密度函数有效修订极大风速预报值和模拟风速之间的误差；为概率；为极大风速预报值的随机变量；为模拟风速的随机变量； 步骤S4：通过建立的联合概率密度函数对极大风速预报值进行订正。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网江西省电力有限公司电力科学研究院;江西省气象科学研究所，其通讯地址为：330000 江西省南昌市青山湖区民营科技园内民强路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。