本發(fā)明屬于全球?qū)Ш叫l(wèi)星系統(tǒng)技術(shù)在gnss氣象學(xué)領(lǐng)域的應(yīng)用，尤其涉及利用氣象監(jiān)測數(shù)據(jù)和人工智能模型進(jìn)行顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)，具體涉及一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法及裝置。

背景技術(shù)：

1、由于降水本身具有高度非線性、隨機(jī)性和復(fù)雜性的特點(diǎn)，傳統(tǒng)的數(shù)值天氣預(yù)報(bào)方法存在依賴背景數(shù)據(jù)多、計(jì)算負(fù)擔(dān)大、特殊地區(qū)小尺度天氣預(yù)測不準(zhǔn)確等問題，難以滿足輕量化、精確化、特定小范圍場景的應(yīng)用需求。

2、近年來，深度學(xué)習(xí)方法能夠自動(dòng)有效地從大量觀測數(shù)據(jù)中提取信息，受到氣象學(xué)領(lǐng)域的廣泛關(guān)注。北斗/gnss技術(shù)在氣象學(xué)中的重要應(yīng)用，特別是其強(qiáng)大的氣象數(shù)據(jù)探測能力，為短臨降水預(yù)報(bào)提供了新的數(shù)據(jù)源。北斗技術(shù)能夠提供高精度、高時(shí)空分辨率的準(zhǔn)實(shí)時(shí)對流層和水汽產(chǎn)品，這些數(shù)據(jù)對于監(jiān)測和預(yù)報(bào)復(fù)雜地區(qū)中小尺度災(zāi)害性天氣具有重要意義。

3、短臨降水預(yù)報(bào)是指短期內(nèi)突發(fā)降水的高分辨率預(yù)測，一直是氣象領(lǐng)域一項(xiàng)重要且困難的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、為解決當(dāng)前數(shù)值天氣預(yù)報(bào)模式計(jì)算量大、分辨率低，無法滿足小范圍特殊測區(qū)對于精準(zhǔn)、輕量化天氣預(yù)報(bào)需求的問題，本發(fā)明提供一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法及裝置，通過融合北斗氣象監(jiān)測數(shù)據(jù)和人工智能模型，實(shí)現(xiàn)更準(zhǔn)確預(yù)報(bào)小測區(qū)范圍內(nèi)的短臨降水情況，提升天氣預(yù)報(bào)的精度和穩(wěn)定性。

2、根據(jù)本發(fā)明說明書的一方面，提供一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，包括：

3、獲取目標(biāo)測區(qū)的降水及降水相關(guān)影響因素；

4、將所述降水及降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的第一降水預(yù)報(bào)數(shù)據(jù)；

5、將所述降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的降水關(guān)鍵影響因素，將所述未來預(yù)設(shè)時(shí)段的降水關(guān)鍵影響因素輸入訓(xùn)練后的關(guān)系模型，輸出未來預(yù)設(shè)時(shí)段的第二降水預(yù)報(bào)數(shù)據(jù)；

6、根據(jù)所述第一降水預(yù)報(bào)數(shù)據(jù)和第二降水預(yù)報(bào)數(shù)據(jù)進(jìn)行加權(quán)擬合，得到最終的降水預(yù)報(bào)結(jié)果。

7、作為進(jìn)一步的技術(shù)方案，所述時(shí)序預(yù)報(bào)模型的訓(xùn)練，包括：

8、基于lstm網(wǎng)絡(luò)構(gòu)建降水相關(guān)影響因素與降水的時(shí)序預(yù)報(bào)模型，將過去若干時(shí)長的降水及降水相關(guān)影響因素時(shí)間序列作為輸入，未來若干時(shí)長的降水及降水關(guān)鍵影響因素作為輸出；

9、利用構(gòu)建的訓(xùn)練集進(jìn)行迭代計(jì)算，直至達(dá)到預(yù)設(shè)精度，輸出訓(xùn)練好的時(shí)序預(yù)報(bào)模型。

10、作為進(jìn)一步的技術(shù)方案，所述時(shí)序預(yù)報(bào)模型的訓(xùn)練，還包括按如下方式構(gòu)建訓(xùn)練集中的降水關(guān)鍵影響因素：

11、獲取測區(qū)的降水及降水相關(guān)影響因素?cái)?shù)據(jù)，采用偏最小二乘分析法構(gòu)建降水與降水相關(guān)影響因素?cái)?shù)據(jù)之間的回歸模型；

12、計(jì)算各影響因素的貢獻(xiàn)率并按貢獻(xiàn)率由高到低排序，將累積貢獻(xiàn)率超過85%預(yù)設(shè)值的前n個(gè)因素作為降水關(guān)鍵影響因素。

13、作為進(jìn)一步的技術(shù)方案，所述方法還包括對測區(qū)的降水及降水相關(guān)影響因素進(jìn)行如下預(yù)處理：

14、利用氣象參量的時(shí)間相關(guān)性構(gòu)建近期日變化規(guī)律的參考時(shí)變模型，利用預(yù)報(bào)前若干時(shí)長的數(shù)據(jù)擬合參考時(shí)變模型，以模型參考值±3倍中誤差作為標(biāo)準(zhǔn)剔除離群值；

15、利用奇異譜分析方法對缺失數(shù)據(jù)進(jìn)行插補(bǔ)，對插補(bǔ)后完整的數(shù)據(jù)進(jìn)行歸一化處理。

16、作為進(jìn)一步的技術(shù)方案，所述關(guān)系模型的訓(xùn)練，包括：

17、基于貝葉斯網(wǎng)絡(luò)構(gòu)建降水關(guān)鍵影響因素與降水的關(guān)系模型；

18、將同步觀測到的降水關(guān)鍵影響因素作為輸入，降水作為輸出，利用極大似然估計(jì)擬合最優(yōu)參數(shù)；

19、輸出訓(xùn)練好的關(guān)系模型。

20、根據(jù)本發(fā)明說明書的一方面，提供一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)裝置，包括：

21、第一主模塊，用于獲取目標(biāo)測區(qū)的降水和降水相關(guān)影響因素；

22、第二主模塊，將降水及降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的第一降水預(yù)報(bào)數(shù)據(jù)；

23、第三主模塊，用于將所述降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的降水關(guān)鍵影響因素，將所述降水關(guān)鍵影響因素輸入訓(xùn)練后的關(guān)系模型，輸出未來預(yù)設(shè)時(shí)段的第二降水預(yù)報(bào)數(shù)據(jù)；

24、第四主模塊，用于根據(jù)所述第一降水預(yù)報(bào)數(shù)據(jù)和第二降水預(yù)報(bào)數(shù)據(jù)進(jìn)行加權(quán)擬合，得到最終的降水預(yù)報(bào)結(jié)果。

25、根據(jù)本發(fā)明說明書的一方面，提供一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令，以執(zhí)行所述的顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法的步驟。

26、根據(jù)本發(fā)明說明書的一方面，提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行所述的顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法的步驟。

27、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種顧及時(shí)間相關(guān)性和參量相關(guān)性的融合北斗氣象監(jiān)測和人工智能的輕量化短臨降水預(yù)報(bào)方法，相對于常規(guī)天氣預(yù)報(bào)方法具有以下優(yōu)點(diǎn)：

28、（1）本發(fā)明充分利用了降水?dāng)?shù)據(jù)的時(shí)間相關(guān)性以及降水與其它氣象參量的物理關(guān)聯(lián)性，通過二者結(jié)合實(shí)現(xiàn)了有效信息的充分利用，因此可實(shí)現(xiàn)更為精準(zhǔn)穩(wěn)定的短臨天氣預(yù)報(bào)；

29、（2）本發(fā)明針對單點(diǎn)數(shù)據(jù)建模，利用了北斗氣象監(jiān)測數(shù)據(jù)，所需數(shù)據(jù)相對于傳統(tǒng)降水預(yù)報(bào)模型大幅度減少，進(jìn)而實(shí)現(xiàn)了輕量化特點(diǎn)，特別適合基于北斗地質(zhì)災(zāi)害監(jiān)測數(shù)據(jù)的小范圍天氣預(yù)報(bào)。

30、（3）本發(fā)明相較現(xiàn)有發(fā)明考慮到參量的相關(guān)性，使bnn_met神經(jīng)網(wǎng)絡(luò)與lstm神經(jīng)網(wǎng)絡(luò)進(jìn)行融合，使時(shí)序數(shù)據(jù)得到了更精準(zhǔn)的預(yù)測，降水預(yù)報(bào)更準(zhǔn)確。

31、（4）本發(fā)明的神經(jīng)網(wǎng)絡(luò)融合策略不僅涉及bnn_met與lstm的直接結(jié)合，還包括了對時(shí)序預(yù)報(bào)模型獨(dú)立輸出與融合輸出數(shù)據(jù)的進(jìn)一步整合。通過這種多層次的數(shù)據(jù)融合方法，本發(fā)明能夠充分利用各個(gè)網(wǎng)絡(luò)的優(yōu)勢，同時(shí)彌補(bǔ)單個(gè)網(wǎng)絡(luò)在處理復(fù)雜時(shí)序數(shù)據(jù)時(shí)的不足，從而使降水預(yù)報(bào)更準(zhǔn)確。

技術(shù)特征：

1.顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，其特征在于，所述時(shí)序預(yù)報(bào)模型的訓(xùn)練，包括：

3.根據(jù)權(quán)利要求2所述顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，其特征在于，所述時(shí)序預(yù)報(bào)模型的訓(xùn)練，還包括按如下方式構(gòu)建訓(xùn)練集中的降水關(guān)鍵影響因素：

4.根據(jù)權(quán)利要求3所述顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，其特征在于，所述方法還包括對測區(qū)的降水及降水相關(guān)影響因素進(jìn)行如下預(yù)處理：

5.根據(jù)權(quán)利要求1所述顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法，其特征在于，所述關(guān)系模型的訓(xùn)練，包括：

6.顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)裝置，其特征在于，包括：

7.顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令，以執(zhí)行權(quán)利要求1至6任一項(xiàng)權(quán)利要求所述的顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法的步驟。

8.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令使所述計(jì)算機(jī)執(zhí)行權(quán)利要求1至6中任一項(xiàng)權(quán)利要求所述的顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開一種顧及時(shí)間和參量相關(guān)性的輕量化短臨降水預(yù)報(bào)方法及裝置，方法包括：獲取目標(biāo)測區(qū)的降水及降水相關(guān)影響因素；將降水及降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的第一降水預(yù)報(bào)數(shù)據(jù)；將降水相關(guān)影響因素輸入訓(xùn)練后的時(shí)序預(yù)報(bào)模型，輸出未來預(yù)設(shè)時(shí)段的降水關(guān)鍵影響因素，將未來預(yù)設(shè)時(shí)段的降水關(guān)鍵影響因素輸入訓(xùn)練后的關(guān)系模型，輸出未來預(yù)設(shè)時(shí)段的第二降水預(yù)報(bào)數(shù)據(jù)；根據(jù)第一降水預(yù)報(bào)數(shù)據(jù)和第二降水預(yù)報(bào)數(shù)據(jù)加權(quán)擬合，得到最終的降水預(yù)報(bào)結(jié)果。本發(fā)明基于北斗氣象監(jiān)測數(shù)據(jù)和人工智能模型，考慮時(shí)間和參量相關(guān)性，實(shí)現(xiàn)了小測區(qū)范圍內(nèi)短臨降水情況的更準(zhǔn)確表達(dá)，提升了天氣預(yù)報(bào)的精度和穩(wěn)定性。

技術(shù)研發(fā)人員：王迪,張豹,姚宜斌,張良
受保護(hù)的技術(shù)使用者：武漢大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/4/24