[發(fā)明專利]基于物聯(lián)網(wǎng)數(shù)據(jù)在線學(xué)習(xí)的降雨等級預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110989585.4
• 申請日: 2021-08-26
• 公開（公告）號: CN113780377A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 陳卓;熊根剛
• 申請（專利權(quán)）人: 重慶理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/29;G06N3/04
• 代理公司: 重慶中興達啟創(chuàng)專利代理事務(wù)所(普通合伙) 50264
• 代理人: 毛新民

本發(fā)明公開了一種基于物聯(lián)網(wǎng)數(shù)據(jù)在線學(xué)習(xí)的降雨等級預(yù)測方法及系統(tǒng)；包括微型氣象站、物聯(lián)網(wǎng)網(wǎng)關(guān)、基于深度學(xué)習(xí)的降雨等級預(yù)測(Trans?CGan)模型、增量式模型為修正算法；本系統(tǒng)具有自適應(yīng)修正的能力，對已部署的模型進行增量式在線學(xué)習(xí)，能適應(yīng)之后新數(shù)據(jù)的變化；通過Trans?CGan模型，本模型既能夠針對多步輸入的數(shù)據(jù)進行融合，又能在構(gòu)成特征向量時會考慮到這個時間段中的上下文關(guān)系，也能提取不同屬性值之間的特征關(guān)系，顯著提升預(yù)報準確性；引入了增量式在線學(xué)習(xí)的方法，對于產(chǎn)生的新數(shù)據(jù)，能按批次地放入模型中去對模型中的參數(shù)進行微調(diào)，能極大提高了該方法在環(huán)境變化下的適應(yīng)能力和模型預(yù)測準確率。

技術(shù)領(lǐng)域

本發(fā)明涉及基于物聯(lián)網(wǎng)的氣象預(yù)測技術(shù)領(lǐng)域，具體涉及一種基于物聯(lián)網(wǎng)數(shù)據(jù)在線學(xué)習(xí)的降雨等級預(yù)測方法及系統(tǒng)。

背景技術(shù)

在各種天氣事件中，降雨在人類生活中扮演著最重要的角色。降雨影響人類活動、農(nóng)業(yè)、交通以及生活的幾乎所有方面。確定降雨等級的能力有助于加強所有行業(yè)進程的決策和管理。如水資源的規(guī)劃和管理，水庫運行和洪水預(yù)防，城市地區(qū)的交通、下水道系統(tǒng)和其他人類活動控制，農(nóng)業(yè)上種植、灌溉、施肥和收獲。然而，降雨在空間和時間上的可變性使得降雨的定量預(yù)測變得極其困難。降雨的行為和結(jié)構(gòu)，包括其在時間和空間維度上的分布，取決于幾個變量，例如濕度、壓力、溫度以及可能的風(fēng)向和風(fēng)速。除此之外，降雨的時間序列通常也包含局部特征，例如，長時間低強度降雨之間的暴雨爆發(fā)。實際上，這些局部特征在一個時隙內(nèi)不是固定的，這使得預(yù)測發(fā)生更加困難。對于降雨預(yù)測，目前已有的方法主要以大氣模型和機器學(xué)習(xí)為主。

大氣模式可進一步分為大氣環(huán)流模式、氣候模式和數(shù)值模式。大氣環(huán)流模型可以預(yù)測大氣物理量。氣候模型可以預(yù)測各種氣候因素，數(shù)值模式是我國中短期降水預(yù)報的主要模式。大氣模式預(yù)測需要建立對應(yīng)的物理模型稱為大氣方程，但大氣方程由偏微分方程組成，數(shù)值計算的整體精度取決于合理的近似，這種不確定性使得結(jié)果與實際情況總是存在偏差。此外，大氣模型通常需要大量的計算和資源。這些對硬件的嚴格要求使得大氣預(yù)報難以實施。機器學(xué)習(xí)方法預(yù)測可分為兩種，第一種機器學(xué)習(xí)方法基于統(tǒng)計學(xué)理論。時間序列分析是一種典型的多元統(tǒng)計分析方法。它是根據(jù)降雨的時間序列特征來預(yù)測降雨的。時間序列分析主要包括小波、自回歸綜合移動平均模型(ARIMA)、馬爾可夫模型等。這些統(tǒng)計方法僅從降雨序列開始，并學(xué)習(xí)降雨序列的各種特征。但它們沒有考慮氣候或其他環(huán)境因素對降雨的影響，只從趨勢上把握降雨變化的大致方向。其他機器學(xué)習(xí)方法可以學(xué)習(xí)氣象/物理因素和降雨量之間的關(guān)系。這類方法主要包括支持向量機(SVM)、支持向量回歸(SVR)、灰色預(yù)測(GF)、人工神經(jīng)網(wǎng)絡(luò)(ANN)等。與統(tǒng)計方法相比，它們可以獲得更好的預(yù)測結(jié)果，但大多數(shù)仍存在著很多的因素困擾不能做到對短時降雨的精準預(yù)測。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供基于物聯(lián)網(wǎng)數(shù)據(jù)在線學(xué)習(xí)的降雨等級預(yù)測方法及系統(tǒng)，以解決上述背景技術(shù)問題。

本發(fā)明的一目的在于提供了一種高準確度且占用資源小的降雨等級預(yù)測模型；

本發(fā)明的另一目的在于提供了一種能夠?qū)崟r對某一區(qū)域進行降雨等級實時預(yù)測的預(yù)測系統(tǒng)；

本發(fā)明的再一目的在于提供了一種高準確度的降雨等級預(yù)測的方法。

為達到上述目的，本發(fā)明提供了一種基于物聯(lián)網(wǎng)數(shù)據(jù)在線學(xué)習(xí)的降雨等級預(yù)測方法，包括應(yīng)用于實時在線的預(yù)測系統(tǒng)；其中所述實時在線的預(yù)測系統(tǒng)包括：

微型氣象站，用于周期性地采集被監(jiān)測周圍局部區(qū)域的氣象站數(shù)據(jù)；

物聯(lián)網(wǎng)網(wǎng)關(guān)，對多個所述微型氣象站數(shù)據(jù)的過濾和匯集然后集中通過無線網(wǎng)絡(luò)將數(shù)據(jù)傳輸給云服務(wù)器，使得多個微型氣象站通過物料網(wǎng)聯(lián)系起來；

降雨等級預(yù)測模型，所述降雨等級預(yù)測模型與所述云端服務(wù)器通信連接，降雨等級預(yù)測模型用于對所述微型氣象站的實時氣象數(shù)據(jù)分析，并對未來短時間降雨等級進行預(yù)測；所述降雨等級預(yù)測模型通過增量式在線學(xué)習(xí)方法定時對模型進行微調(diào)并更新；