[發明專利]雷電預測方法、裝置、計算機設備和計算機可讀存儲介質

在審

• 申請號: 202010036311.9
• 申請日: 2020-01-10
• 公開（公告）號: CN111242374A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 周康明;李震坤
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06N20/20
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及一種雷電預測方法、裝置、計算機設備和計算機可讀存儲介質。所述雷電預測方法包括：獲取目標區域在目標時刻的氣象觀測數據；從所述氣象觀測數據中提取氣象要素值；根據所述氣象要素值和雷電預測模型，獲取多個不同預報時間段對應的雷電預測結果。采用本方法能夠降低雷電預測成本，并提升雷電預測的準確度。

技術領域

本發明涉及氣象技術領域，特別是涉及一種雷電預測方法、裝置、計算機設備和計算機可讀存儲介質。

背景技術

在全球氣候變暖的大環境下，雷電出現的頻率和造成的危害均呈現逐年增加的趨勢，嚴重危害著人們的生產生活和生命財產安全。因此，做好雷電活動的有效監測和預測，對于減輕雷電帶來的危害，具有十分重要的現實意義。

雷電的本質是大氣中的電荷釋放，傳統技術中，通過大氣電場儀實時監測云對地面電場強度的變化信息，利用閃電定位儀捕捉雷電發生的時間和位置，再由人工分析大氣電場儀和閃電定位儀獲取到的數據，從而對雷電天氣進行預測和預警。

但是，大氣電場儀和閃電定位儀在應用時需要單獨部署，部署成本高；且基于人工分析的雷電預測方法，預測準確度低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠降低雷電預測成本、提升雷電預測準確度的雷電預測方法、裝置、計算機設備和計算機可讀存儲介質。

第一方面，本申請實施例提供了一種雷電預測方法，所述雷電預測方法包括：

獲取目標區域在目標時刻的氣象觀測數據；

從所述氣象觀測數據中提取氣象要素值；

根據所述氣象要素值和雷電預測模型，獲取多個不同預報時間段對應的雷電預測結果。

在其中一個實施例中，所述雷電預測模型包括多個雷電預測子模型，所述根據所述氣象要素值和雷電預測模型，獲取多個不同預報時間段對應的雷電預測結果，包括：

將所述氣象要素值分別輸入至各所述雷電預測子模型中，得到各所述雷電預測子模型分別輸出的雷電預測結果；不同的雷電預測子模型用于輸出不同預報時間段的雷電預測結果。

在其中一個實施例中，所述氣象要素值包括所述目標區域在所述目標時刻的地面氣壓信息、地面氣溫信息、相對濕度信息和風速信息中的至少一個。

在其中一個實施例中，所述雷電預測子模型的訓練過程包括：

獲取所述目標區域在歷史時刻的樣本氣象要素值；

獲取所述目標區域的樣本雷電觀測數據；所述樣本雷電觀測數據包括所述歷史時刻之后的至少一個預設時間段內、所述目標區域的雷電發生次數；所述預設時間段與所述預報時間段的時間長度相等；

根據所述樣本氣象要素值和所述樣本雷電觀測數據，訓練初始網絡模型，得到所述雷電預測子模型。

在其中一個實施例中，所述預設時間段包括第一目標時間段、第二目標時間段和第三目標時間段，所述根據所述樣本氣象要素值和所述樣本雷電觀測數據，訓練初始網絡模型，得到所述雷電預測子模型，包括：

根據所述樣本氣象要素值和所述第一目標時間段對應的樣本雷電觀測數據，訓練初始網絡模型，得到第一雷電預測子模型；

根據所述樣本氣象要素值和所述第二目標時間段對應的樣本雷電觀測數據，訓練所述初始網絡模型，得到第二雷電預測子模型；

根據所述樣本氣象要素值和所述第三目標時間段對應的樣本雷電觀測數據，訓練所述初始網絡模型，得到第三雷電預測子模型。

在其中一個實施例中，所述初始網絡模型為參數初始化的極端梯度提升XGBoost模型。

在其中一個實施例中，所述方法還包括：