[發明專利]基于WGAN-GP網絡與光流法的衛星云圖預測方法

在審

• 申請號: 202210948863.6
• 申請日: 2022-08-09
• 公開（公告）號: CN115546257A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 談玲;康瑞星;夏景明
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/269
• 分類號: G06T7/269;G06T7/254;G06V10/74;G06T5/40;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

本發明提出了一種基于雙判別器WGAN?GP與光流法的衛星云圖預測方法。首先對衛星云圖數據集進行直方圖均衡化處理，然后構建雙判別器WGAN?GP網絡，將衛星云圖序列輸入生成器，利用光流法得到衛星云圖的光流序列，再用編碼解碼器模塊生成預測光流，將歷史衛星云圖與預測光流融合生成衛星云圖的預測。將生成衛星云圖與真實衛星云圖一并輸入判別器中訓練，空間判別器與時間判別器分別對生成樣本與真實樣本進行評價，通過多次對抗訓練使雙判別器WGAN?GP網絡達到納什均衡。最后，將歷史衛星云圖數據輸入訓練好的雙判別器WGAN?GP網絡的生成器得到衛星云圖預測結果。本方法能夠有效減少地面背景信息對衛星云圖預測任務的干擾，提高衛星云圖預測的精度和效率。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于雙判別器WGAN-GP與光流 法的衛星云圖預測方法。

背景技術

太陽能儲量豐富，分布廣泛，是當前最有發展潛力的可再生能源之一。相較 于傳統的火電、水電等發電方式，太陽能受到晝夜變化、季節交替和地球大氣層 變化的影響，因而具有波動性和隨機性，光伏發電的輸出功率也呈現出不穩定的 特點。在諸多氣象要素的影響中，短時間內高空間分辨率的云運動預測是光伏功 率預測與波動性預測的核心問題。

衛星云圖在氣象預測中發揮著重要的作用，傳統的衛星云圖預測方法包括基 于數值天氣預報的方法和基于循環神經網絡的方法。基于數值天氣預報的方法需 要大量的氣象數據，消耗資源多運算量大，難以滿足短時間衛星云圖預測的需要； 基于循環神經網絡的方法有著較深的網絡層數，梯度難以傳播到深層，隨著預測 時間增長，生成的預測結果會不斷模糊；同時上述方法在處理衛星云圖數據時， 都容易受到地面背景信息的干擾導致預測結果不準確。本發明利用光流提取衛星 云圖運動信息，并使用雙判別器WGAN-GP網絡進行預測模型訓練。光流法能 夠計算出一個連續運動圖像序列中相鄰兩幀圖像像素的運動信息，即每個像素移 動的方向和距離；WGAN-GP網絡作為一種無監督學習方法，經過生成器與判別 器的對抗訓練能夠學習到真實樣本的潛在特征并生成與之極為相似的偽樣本。通 過訓練WGAN-GP網絡生成預測光流，再利用空間判別器與時間判別器分別對 生成樣本與真實樣本的空間相似度與時間相似度進行評價，通過對抗訓練使雙判 別器WGAN-GP網絡達到納什均衡，最后將預測光流與歷史衛星云圖融合得到 預測衛星云圖，有效避免了地面背景信息對預測結果的干擾，并使生成的預測圖 像具有和原圖像相近的清晰度。

發明內容

發明目的：針對上述問題，本申請提供了一種衛星云圖預測方法，該方法利 用光流與雙判別器WGAN-GP網絡能有效地排除地面背景對預測任務的干擾， 更好的提取衛星云圖的時空特征實現對未來云運動的預測。

技術方案：基于雙判別器WGAN-GP與光流法的衛星云圖預測方法，包括 以下步驟：

步驟S1：獲取歷史衛星云圖序列數據；

步驟S2：對衛星云圖進行直方圖均衡化預處理；

步驟S3：對經過預處理的圖像，取t張衛星云圖序列作為歷史數據，第t+1 張衛星云圖為預測目標；

步驟S4：構建雙判別器WGAN-GP網絡，每次訓練以t張連續衛星云圖序 列輸入生成器，每相鄰兩張衛星云圖進行計算得到一張光流圖，共得到t-1張光 流圖，令光流序列經過編碼器解碼器結構輸出預測光流，將預測光流與第t時刻 衛星云圖融合生成第t+1時刻衛星云圖的預測；

步驟S5：將生成衛星云圖與真實衛星云圖一并輸入判別器中訓練，空間判 別器與時間判別器分別對生成樣本與真實樣本的空間相似度與時間相似度進行 評價，通過多次迭代對抗訓練使雙判別器WGAN-GP網絡達到納什均衡；

步驟S6：將歷史衛星云圖數據輸入已訓練好的雙判別器WGAN-GP網絡生 成器得到衛星云圖預測圖像，將生成的衛星云圖預測圖像加入序列，迭代地執行 生成器算法，得到第t+1至2t張衛星云圖預測圖像。