[發明專利]一種降雨強度預報方法及相關裝置

在審

• 申請號: 201810008194.8
• 申請日: 2018-01-04
• 公開（公告）號: CN107977758A
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 任丹琴;劉羽;朱紅;陳俊;崔坤磊
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

1.一種降雨強度預報方法，其特征在于，包括：

S101，利用初始氣象數據和氣象數值預報模式進行傳統氣象預報，得到對應預設時間內每個預設時刻的預報結果；其中，所述預設時間內每個預設時刻包括目標時刻；

S102，利用初始云量數據與深度學習網絡模型計算得到目標時刻的目標云量數據；并利用所述目標云量數據確定目標時刻的第一降雨強度；其中，初始云量數據對應的初始時刻為所述預設時間中，目標時刻的前一時刻；

S103，利用目標時刻的所述預報結果與所述第一降雨強度計算得到目標時刻第二降雨強度；

S104，判斷當前的目標時刻是否為所述預設時間內最后一個的預設時刻；若是，則輸出所有所述第二降雨強度；若否，則執行S105；

S105，將當前的目標時刻更新為所述預設時間內目標時刻的下一個預設時刻，利用所述第二降雨強度確定對應目標時刻的云量數據，并利用該目標時刻的云量數據更新初始云量數據，并返回S102。

2.根據權利要求1所述的方法，其特征在于，所述S101包括：

確定初始氣象數據；

將所述初始氣象數據作為氣象數值預報模式的輸入數據進行傳統氣象預報，得到對應預設時間內每個預設時刻的預報結果。

3.根據權利要求1所述的方法，其特征在于，所述S102包括：

確定初始云量數據對應的初始時刻前的連續目標張數的衛星云圖歷史數據；

利用所述衛星云圖歷史數據與深度學習網絡模型計算得到目標時刻的目標云量數據；

利用所述目標云量數據確定目標時刻的第一降雨強度。

4.根據權利要求1所述的方法，其特征在于，所述S103包括：

利用歷史誤差值確定誤差權重系數；

利用所述誤差權重系數、時間衰減系數、目標時刻的所述預報結果與所述第一降雨強度進行計算得到目標時刻的第二降雨強度。

5.根據權利要求4所述的方法，其特征在于，所述利用歷史誤差值確定誤差權重系數，包括：

確定所述預報結果的第一誤差值；

確定所述第一降雨強度的第二誤差值；

對所述第一誤差值與所述第二誤差值進行均一化處理得到誤差權重系數。

6.一種降雨強度預報系統，其特征在于

傳統氣象數值預報模塊，用于利用初始氣象數據和氣象數值預報模式進行傳統氣象預報，得到對應預設時間內每個預設時刻的預報結果；其中，所述預設時間內每個預設時刻包括目標時刻；

深度學習網絡預測模塊，用于利用初始云量數據與深度學習網絡模型計算得到目標時刻的目標云量數據；并利用所述目標云量數據確定目標時刻的第一降雨強度；其中，初始云量數據對應的初始時刻為所述預設時間中，目標時刻的前一時刻；

降雨強度綜合預測模塊，用于利用目標時刻的所述預報結果與所述第一降雨強度計算得到目標時刻第二降雨強度；

判斷模塊，用于判斷當前的目標時刻是否為所述預設時間內最后一個的預設時刻；若是，則輸出所有所述第二降雨強度；

更新模塊，用于當前的目標時刻不是所述預設時間內最后一個的預設時刻時，將當前的目標時刻更新為所述預設時間內目標時刻的下一個預設時刻，利用所述第二降雨強度確定對應目標時刻的云量數據，并利用該目標時刻的云量數據更新初始云量數據，并調用所述深度學習網絡預測模塊。

7.根據權利要求6所述的系統，其特征在于，所述降雨強度綜合預測模塊，包括：

權重系數評估單元，用于利用歷史誤差值確定誤差權重系數；

降雨強度計算單元，用于利用所述誤差權重系數、時間衰減系數、目標時刻的所述預報結果與所述第一降雨強度進行計算得到目標時刻的第二降雨強度。