[發(fā)明專利]一種基于時空預測模型的短臨預報方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011462133.2
• 申請日: 2020-12-09
• 公開（公告）號: CN112698427B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設(shè)計）人: 張紹康;寧錄游;邱升;寧家宏
• 申請（專利權(quán)）人: 最美天氣（上海）科技有限公司
• 主分類號: G01W1/10
• 分類號: G01W1/10;G01S13/95;G06N3/04
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 季永康

本發(fā)明涉及天氣預報技術(shù)領(lǐng)域，提供了一種基于時空預測模型的短臨預報方法及系統(tǒng)。短臨預報方法包括如下步驟：首先，將氣象雷達回波數(shù)據(jù)進行歸一化處理。之后，對歸一化處理后的氣象雷達回波數(shù)據(jù)進行切割，形成切割好的區(qū)域塊數(shù)據(jù)。之后，將切割好的區(qū)域塊數(shù)據(jù)按時序進行打包作為訓練樣本，對時空預測模型進行訓練，得到訓練好的時空預測模型。之后，將以前若干時間段的氣象雷達回波數(shù)據(jù)輸入所述訓練好的時空預測模型，生成未來若干時間段的氣象雷達回波數(shù)據(jù)作為區(qū)域預測結(jié)果。最后，對每個區(qū)域的區(qū)域預測結(jié)果進行組合，形成全國預測結(jié)果。本發(fā)明的短臨預報方法，解決了預報不準確和預測區(qū)域不廣的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及天氣預報技術(shù)領(lǐng)域，尤其涉及一種基于時空預測模型的短臨預報方法及系統(tǒng)。

背景技術(shù)

氣象因素的變化深刻地影響著人類的生活，準確預報未來氣象要素可廣泛服務于人們的日常生活。短臨預報與中長期預報相比，就時效性而言，具有更高的要求。

現(xiàn)有技術(shù)中常用的短臨預報方法有統(tǒng)計預報降水法、基于數(shù)值模型的降水預報方法和基于雷達外推的降水預報方法。目前，隨著短臨降水研究的不斷深入，深度學習、神經(jīng)網(wǎng)絡(luò)等技術(shù)在短臨降水應用方面也提供了很好的思路。雷達每六分鐘采集的回波強度可通過Z-R關(guān)系獲得降水信息。然而，現(xiàn)有的預測方法在時效性和準確性上，常常存在延時以及預測誤差大的情況。而且現(xiàn)在短臨預測的區(qū)域范圍較小，隨著雷達精度的提高預測范圍并沒有隨著相應的擴大。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于時空預測模型的短臨預報方法及系統(tǒng)，以解決短臨預報不準確和預測區(qū)域不廣的問題。

根據(jù)本發(fā)明的第一個方面，提供了一種基于時空預測模型的短臨預報方法，該方法包括如下步驟：首先，將氣象雷達回波數(shù)據(jù)進行歸一化處理。之后，對歸一化處理后的氣象雷達回波數(shù)據(jù)進行切割，形成切割好的區(qū)域塊數(shù)據(jù)，步驟包括：將切割區(qū)域分為預測區(qū)域和膨脹區(qū)域，其中，預測區(qū)域是實際使用區(qū)域，膨脹區(qū)域則為重疊區(qū)域，為不使用區(qū)域。之后，將切割好的預測區(qū)域塊數(shù)據(jù)按時序進行打包作為訓練樣本，對時空預測模型進行訓練，得到訓練好的時空預測模型。之后，將以前若干時間段的氣象雷達回波數(shù)據(jù)輸入所述訓練好的時空預測模型，生成未來若干時間段的氣象雷達回波數(shù)據(jù)作為區(qū)域預測結(jié)果。最后，對每個區(qū)域的區(qū)域預測結(jié)果進行組合，形成全國預測結(jié)果。優(yōu)選地，若干時間段為1小時，由于雷達每六分鐘采集一張數(shù)據(jù)，每個切割完成的區(qū)域塊有10張數(shù)據(jù)。

進一步地，上述氣象雷達回波數(shù)據(jù)的取值范圍是[-320，800]，歸一化處理公式為：

其中，s是歸一化后的強度值，r是氣象雷達回波強度值。

進一步地，采用膨脹預測法對氣象雷達回波數(shù)據(jù)進行切割。在對數(shù)據(jù)進行切割之前還包括對對原始數(shù)據(jù)進行擴充的步驟。

進一步地，將切割好的氣象雷達回波數(shù)據(jù)按時序進行打包，具體為：將前1小時的氣象雷達回波數(shù)據(jù)作為輸入，與其相鄰的后1小時的氣象雷達回波數(shù)據(jù)作為輸出，進行打包。

進一步地，時空預測模型為使用時空記憶單元組成的4層時空預測神經(jīng)網(wǎng)絡(luò)，所述時空預測模型的表達式為：

其中，sklstm為網(wǎng)絡(luò)的神經(jīng)單元；t為時刻；l為空間層級；為當前時空的隱藏信息；為下一時刻的時間記憶；為下一時刻的空間記憶；Xt為當前時刻的樣本信息；為上一時刻的隱藏信息；C為上一時刻的時間記憶；為最后一層的空間記憶；為上一層的隱藏信息；為上一層的空間記憶。

進一步地，時空預測模型使用的時空記憶單元包括時間記憶單元，時間記憶單元的表達公式為：

f_t＝1-i_t