[發明專利]一種降水預測方法以及裝置

在審

• 申請號: 202011615051.7
• 申請日: 2021-03-17
• 公開（公告）號: CN112731403A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 劉詩晗;張志遠;黃耀海
• 申請（專利權）人: 北京墨跡風云科技股份有限公司
• 主分類號: G01S13/95
• 分類號: G01S13/95;G01S7/41
• 代理公司: 北京中慧創科知識產權代理事務所(特殊普通合伙) 11721
• 代理人: 由元

本申請公開了一種降水預測方法以及裝置，方法包括：在歷史時間段內的降水環境數據中，篩選滿足降水閾值的數據，得到訓練數據集，降水閾值是根據任務需求預先設置的；利用訓練數據集訓練ZR關系模型，將ZR關系模型加入模型池中，模型池包括多個不同任務需求對應的ZR關系模型；提取當前時間段內的降水環境數據的特征，利用提取的特征在模型池中選擇對應的ZR關系模型；將當前時間段內的降水環境數據輸入至選擇的ZR關系模型，得到降水預測結果。使用多模型自動選取策略，對于不同季度和降雨不同階段會使用不同的模型來預測，并且會根據需求自動切換對應的模型進行預測，提高預測模型預測降水的性能。

技術領域

本申請涉及深度學習領域，尤其涉及降水預測領域。

背景技術

精確的降水預測對于科學地了解能量與水分循環、洪水暴雨的警報和預報以及優化水資源管理都有重要的意義。目前，雷達主要通過Z-R關系測量降水，即Z＝ARb，Z是雷達反射因子(單位：mm3/m6)；R是降雨強度(單位：mm/h)；A，b是系數。其測量準確度在很大一部分上取決于該Z-R關系式中A，b參數的確定，因為不同時次、不同地點的Z-R關系式都是不同的。然而，目前的降水預測方法，在對Z-R關系進行評估時，往往忽略對于觀測站周圍天氣要素的考慮，在不同天氣要素下可能還存在著不同的預測結果。并且對于人的感知來說，很多時候，在人感知到降雨的時候，雨量計并無法顯示出降雨。由于雷達會有少量的噪波，還可能會造成大量的誤報。因此，現有技術中利用Z-R關系式降水預測誤差較大，而且預測速度慢，效率低。

發明內容

本申請實施例提供一種降水預測方法以及裝置，以解決相關技術存在的問題，技術方案如下：

第一方面，本申請實施例提供了一種降水預測方法，包括：

在歷史時間段內的降水環境數據中，篩選滿足降水閾值的數據，得到訓練數據集，降水閾值是根據任務需求預先設置的；

利用訓練數據集訓練ZR關系模型，將ZR關系模型加入模型池中，模型池包括多個不同任務需求對應的ZR關系模型；

提取當前時間段內的降水環境數據的特征，利用提取的特征在模型池中選擇對應的ZR關系模型；

將當前時間段內的降水環境數據輸入至選擇的ZR關系模型，得到降水預測結果。

在一種實施方式中，在歷史時間段內的降水環境數據中，篩選滿足降水閾值的數據，得到訓練數據集，降水閾值是根據任務需求預先設置的，包括：

根據任務需求預先設置降水閾值，降水閾值包括回波閾值和方差閾值；

根據任務需求，從歷史時間段內的降水環境數據篩選出回波小于回波閾值的數據；

根據歷史時間段內的降水環境數據計算樣本分布的方差；

在樣本分布的方差小于方差閾值的情況下，將篩選出的數據作為訓練數據，構成訓練數據集。

在一種實施方式中，還包括：

在樣本分布的方差大于或等于方差閾值的情況下，返回執行根據任務需求，從歷史時間段內的降水環境數據篩選出回波小于回波閾值的數據的步驟。

在一種實施方式中，任務需求為不同季節下的降水預測任務，包括春夏降水預測任務和秋冬降水預測任務；

在歷史時間段內的降水環境數據中，篩選滿足降水閾值的數據，得到訓練數據集，降水閾值是根據任務需求預先設置的，包括：

根據春夏降水預測任務對應的第一降水閾值，在歷史時間段內的降水環境數據中篩選滿足第一降水閾值的數據，得到第一訓練數據集。

在一種實施方式中，利用訓練數據集訓練ZR關系模型，包括：

利用第一訓練數據集訓練ZR關系模型，得到春夏ZR關系模型。