[發明專利]逐日氣象干旱預測方法、裝置、存儲介質和設備

在審

• 申請號: 202310051582.5
• 申請日: 2023-02-02
• 公開（公告）號: CN116245227A
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 王國復;石偉偉;李瑩;高歌;劉遠;陳逸驍;楊海軍;盧尚男
• 申請（專利權）人: 國家氣候中心;北京超圖軟件股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06Q50/26;G06F18/214;G06F18/24;G06N3/0442;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 陳志海

本申請公開了一種逐日氣象干旱預測方法、裝置、存儲介質和設備，該方法為：從氣象站點的逐日氣象要素數據庫中，獲取發生在待測日期之前、且時間連續的預設數量個日期的特征要素，特征要素包括預設氣象要素的觀測值；將發生在待測日期之前、且時間連續的各個日期的預設氣象要素的觀測值，輸入至氣象干旱預測模型中，得到氣象干旱預測模型輸出的當前干旱預測結果，其中，當前干旱預測結果用于指示待測日期的氣象干旱等級。該方法利用氣象站點的逐日氣象觀測數據，對LSTM模型進行訓練，得到高精度的氣象干旱預測模型，該氣象干旱預測模型能夠以發生在待測時期之前的各個日期的預設氣象要素的觀測值作為依據，準確預測待測日期的氣象干旱等級。

技術領域

本申請涉及自然災害預測領域，尤其涉及一種逐日氣象干旱預測方法、裝置、存儲介質和設備。

背景技術

氣象干旱指：某段時間內，由于蒸散量和降水量的收支不平衡，水分支出大于水分收入而造成的地表水分短缺的現象。氣象干旱作為一種典型的氣象災害，利用人工智能方法進行氣象干旱預測也是國家級氣象災害風險系統要重點探索方向之一。

現有的氣象干旱預測技術，主要通過構建線性回歸模型預測氣象干旱。然而，受限于線性回歸模型自身因素影響，線性回歸模型難以準確預測氣象干旱的干旱程度，對氣象干旱的預測精度較低。

發明內容

本申請提供了一種逐日氣象干旱預測方法、裝置、存儲介質和設備，目的在于準確預測氣象干旱的干旱程度。

為了實現上述目的，本申請提供了以下技術方案：

一種逐日氣象干旱預測方法，包括：

從氣象站點的逐日氣象要素數據庫中，獲取發生在待測日期之前、且時間連續的預設數量個日期的特征要素；所述特征要素為預設氣象要素的觀測值；

將發生在所述待測日期之前、且時間連續的各個日期的預設氣象要素的觀測值，輸入至氣象干旱預測模型中，得到所述氣象干旱預測模型輸出的當前干旱預測結果；其中，所述氣象干旱預測模型基于發生在預設歷史時間段內、且時間連續的多個日期的預設氣象要素的觀測值作為LSTM模型的輸入，并以針對所述預設歷史時間段內各個日期，預先標注的氣象干旱等級作為訓練目標，預先訓練得到；所述當前干旱預測結果用于指示所述待測日期的氣象干旱等級。

可選的，所述基于發生在預設歷史時間段內、且時間連續的多個日期的預設氣象要素的觀測值作為LSTM模型的輸入，并以針對所述預設歷史時間段內各個日期，預先標注的氣象干旱等級作為訓練目標，預先訓練得到所述氣象干旱預測模型的過程，包括：

預先定義LSTM模型的超參數、優化算法、損失函數；所述超參數包括時間窗口大小、輸出維度、神經元個數、輸入層的激活函數、隱藏層的激活函數、輸出層的激活函數、丟棄率、隱藏層層數、訓練代數、訓練批大小；所述優化算法為Adam模型優化算法；所述損失函數為交叉熵損失函數；

基于所述時間窗口大小、所述輸出維度、所述神經元個數、所述輸入層的激活函數、所述隱藏層的激活函數、所述輸出層的激活函數、所述丟棄率、所述隱藏層層數、所述訓練代數、所述訓練批大小，編譯生成所述LSTM模型；

基于發生在預設歷史時間段內、且時間連續的多個日期的預設氣象要素的觀測值，作為所述LSTM模型的輸入，并以針對所述預設歷史時間段內各個日期，預先標注的氣象干旱等級作為訓練目標，使用所述Adm模型優化算法和所述交叉熵損失函數，對所述LSTM模型進行訓練，得到所述氣象干旱預測模型。

可選的，所述基于發生在預設歷史時間段內、且時間連續的多個日期的預設氣象要素的觀測值，作為所述LSTM模型的輸入，包括：

獲取氣象站點在預設歷史時間段內采集的逐日氣象觀測數據；所述逐日氣象觀測數據包括發生在所述預設歷史時間段內、且時間連續的多個日期的各類氣象要素的觀測值；所述各類氣象要素包括降水、平均氣溫、日照時數、2m平均風速、平均相對濕度、蒸發、氣象干旱綜合指數；