用于预测降雨强度的方法和装置制造方法及图纸

本申请实施例公开了用于预测降雨强度的方法和装置。该方法的一具体实施方式包括：获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；对于子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；基于子区域集合中的子区域的降雨强度预测值，生成区域的降雨强度预测值。该实施方式提高了降雨强度的预测准确度。

Methods and devices for predicting rainfall intensity

The embodiment of this application discloses methods and devices for predicting rainfall intensity. One specific implementation of the method includes: acquiring the radar echo reflectance sequence of the sub-region in the sub-region set of the region, in which the radar echo reflectance sequence is acquired at every preset time interval in the preset time interval; for the sub-region of the sub-region set, selecting the rainfall prediction model corresponding to the sub-region from the pre-trained rainfall prediction model set. The radar echo reflectance series of the sub-region is input into the rainfall prediction model corresponding to the sub-region, and the rainfall prediction value series of the sub-region is obtained. The rainfall intensity prediction value of the sub-region is obtained by accumulating the rainfall prediction value series of the sub-region, and the rainfall intensity prediction value of the sub-region is generated based on the rainfall intensity prediction value of the sub-region in the sub-region set. Prediction of rainfall intensity in the region. The implementation method improves the accuracy of rainfall intensity prediction.

【技术实现步骤摘要】
用于预测降雨强度的方法和装置
本申请实施例涉及计算机
，具体涉及用于预测降雨强度的方法和装置。
技术介绍
短时降雨具有持续时间短、雨强大、突发性强等特点，容易形成暴雨洪涝，引发山体滑坡、泥石流等山地次生灾害。因此，对短时降雨进行准确预报具有重大意义。相关研究表明，雷达回波反射率和降雨强度存在相关关系。而关系中的参数除了和雷达本身有关，还与地形、气候、降雨成因有很大关系。现有的降雨强度预测方式通常不考虑地形、气候、降雨成因等因素，直接沿用WSR-88D中由美国夏季深对流云降雨统计得到的雷达回波反射率和降雨量之间的关系式来预测降雨强度。
技术实现思路
本申请实施例提出了用于预测降雨强度的方法和装置。第一方面，本申请实施例提供了一种用于预测降雨强度的方法，包括：获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；对于子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；基于子区域集合中的子区域的降雨强度预测值，生成区域的降雨强度预测值。在一些实施例中，降雨量预测模型集合通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括子区域集合中的子区域的样本雷达回波反射率序列和样本降雨强度真实值；利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合。在一些实施例中，利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合，包括：将初始降雨量预测模型集合中的初始降雨量预测模型的参数初始化；执行以下训练步骤：对于子区域集合中的子区域，从初始降雨量预测模型集合中选取该子区域对应的初始降雨量预测模型，以及从训练样本集合中选取该子区域对应的训练样本，将该子区域对应的训练样本中的样本雷达回波反射率序列输入至该子区域对应的初始降雨量预测模型，得到该子区域的样本降雨量预测值序列，对该子区域的样本降雨量预测值序列中的样本降雨量预测值进行累加，得到该子区域的样本降雨强度预测值；基于子区域集合中的子区域的样本降雨强度预测值和样本降雨强度真实值，确定损失函数的损失值是否满足训练目标，若满足训练目标，将初始降雨量预测模型集合作为降雨量预测模型集合。在一些实施例中，利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合，还包括：响应于确定损失函数的损失值不满足训练目标，调整初始降雨量预测模型集合中的初始降雨量预测模型的参数，以及继续执行训练步骤。在一些实施例中，降雨量预测模型集合中的降雨量预测模型为：Z＝a×Rb；其中，Z为降雨量预测值，R为雷达回波反射率，a和b为参数。在一些实施例中，子区域集合是在训练降雨量预测模型集合之前，对区域进行网格离散所划分出的。第二方面，本申请实施例提供了一种用于预测降雨强度的装置，包括：获取单元，被配置成获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；预测单元，被配置成对于子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；生成单元，被配置成基于子区域集合中的子区域的降雨强度预测值，生成区域的降雨强度预测值。在一些实施例中，降雨量预测模型集合通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括子区域集合中的子区域的样本雷达回波反射率序列和样本降雨强度真实值；利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合。在一些实施例中，利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合，包括：将初始降雨量预测模型集合中的初始降雨量预测模型的参数初始化；执行以下训练步骤：对于子区域集合中的子区域，从初始降雨量预测模型集合中选取该子区域对应的初始降雨量预测模型，以及从训练样本集合中选取该子区域对应的训练样本，将该子区域对应的训练样本中的样本雷达回波反射率序列输入至该子区域对应的初始降雨量预测模型，得到该子区域的样本降雨量预测值序列，对该子区域的样本降雨量预测值序列中的样本降雨量预测值进行累加，得到该子区域的样本降雨强度预测值；基于子区域集合中的子区域的样本降雨强度预测值和样本降雨强度真实值，确定损失函数的损失值是否满足训练目标，若满足训练目标，将初始降雨量预测模型集合作为降雨量预测模型集合。在一些实施例中，利用机器学习方法，基于训练样本集合对初始降雨量预测模型集合进行训练，得到降雨量预测模型集合，还包括：响应于确定损失函数的损失值不满足训练目标，调整初始降雨量预测模型集合中的初始降雨量预测模型的参数，以及继续执行训练步骤。在一些实施例中，降雨量预测模型集合中的降雨量预测模型为：Z＝a×Rb；其中，Z为降雨量预测值，R为雷达回波反射率，a和b为参数。在一些实施例中，子区域集合是在训练降雨量预测模型集合之前，对区域进行网格离散所划分出的。第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于预测降雨强度的方法和装置，首先获取区域的子区域集合中的子区域的雷达回波反射率序列；然后对于子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，以及对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；最后基于子区域集合中的子区域的降雨强度预测值，生成区域的降雨强度预测值。利用区域对应的降雨量预测模型集合预测区域的降雨强度，提高了降雨强度的预测准确度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构；图2是根据本申请的用于预测降雨强度的方法的一个实施例的流程图；图3是图2所示的用于预测降雨强度的方法的一个应用场景的示意图；图4是降雨量预测模型集合的训练方法的一个实施例的流程图；图5是根据本申请的用于预测降雨强度的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述本文档来自技高网...

【技术保护点】
1.一种用于预测降雨强度的方法，包括：获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；对于所述子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；基于所述子区域集合中的子区域的降雨强度预测值，生成所述区域的降雨强度预测值。

【技术特征摘要】
1.一种用于预测降雨强度的方法，包括：获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；对于所述子区域集合中的子区域，从预先训练的降雨量预测模型集合中选取该子区域对应的降雨量预测模型，将该子区域的雷达回波反射率序列输入至该子区域对应的降雨量预测模型，得到该子区域的降雨量预测值序列，对该子区域的降雨量预测值序列中的降雨量预测值进行累加，得到该子区域的降雨强度预测值；基于所述子区域集合中的子区域的降雨强度预测值，生成所述区域的降雨强度预测值。2.根据权利要求1所述的方法，其中，所述降雨量预测模型集合通过如下步骤训练得到：获取训练样本集合，其中，所述训练样本集合中的训练样本包括所述子区域集合中的子区域的样本雷达回波反射率序列和样本降雨强度真实值；利用机器学习方法，基于所述训练样本集合对初始降雨量预测模型集合进行训练，得到所述降雨量预测模型集合。3.根据权利要求2所述的方法，其中，所述利用机器学习方法，基于所述训练样本集合对初始降雨量预测模型集合进行训练，得到所述降雨量预测模型集合，包括：将所述初始降雨量预测模型集合中的初始降雨量预测模型的参数初始化；执行以下训练步骤：对于所述子区域集合中的子区域，从所述初始降雨量预测模型集合中选取该子区域对应的初始降雨量预测模型，以及从所述训练样本集合中选取该子区域对应的训练样本，将该子区域对应的训练样本中的样本雷达回波反射率序列输入至该子区域对应的初始降雨量预测模型，得到该子区域的样本降雨量预测值序列，对该子区域的样本降雨量预测值序列中的样本降雨量预测值进行累加，得到该子区域的样本降雨强度预测值；基于所述子区域集合中的子区域的样本降雨强度预测值和样本降雨强度真实值，确定损失函数的损失值是否满足训练目标，若满足训练目标，将所述初始降雨量预测模型集合作为所述降雨量预测模型集合。4.根据权利要求3所述的方法，其中，所述利用机器学习方法，基于所述训练样本集合对初始降雨量预测模型集合进行训练，得到所述降雨量预测模型集合，还包括：响应于确定所述损失函数的损失值不满足训练目标，调整所述初始降雨量预测模型集合中的初始降雨量预测模型的参数，以及继续执行所述训练步骤。5.根据权利要求1-4之一所述的方法，其中，所述降雨量预测模型集合中的降雨量预测模型为：Z＝a×Rb；其中，Z为降雨量预测值，R为雷达回波反射率，a和b为参数。6.根据权利要求1-4之一所述的方法，其中，所述子区域集合是在训练所述降雨量预测模型集合之前，对所述区域进行网格离散所划分出的。7.一种用于预测降雨强度的装置，包括：获取单元，被配置成获取区域的子区域集合中的子区域的雷达回波反射率序列，其中，雷达回波反射率序列是在预设时间段内每隔预设时长采集到的；预测单元，被配置...

【专利技术属性】
技术研发人员：黄耀波，聂磊，刘明浩，郭江亮，李旭，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11