System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及气象,尤其是一种基于时空特征补偿卷积的短临降水预报方法及装置。
技术介绍
1、降水预报,作为天气预报的一个重要分支,是决策、风险管理和减少生命财产损失的先决条件、减少生命和财产损失的前提。现有短临预报技术具有一定的预报准确率,但其仅适用于变化缓慢的降水系统,对快速增长或消散的降雨的预报效果并不理想。
2、目前,基于深度学习的雷达回波外推使短临降水预报的研究热点;但由于深度神经网络模型基于卷积操作,使得外推预报结果趋于平滑、模糊,且随着时间的变化平滑和模糊现象更为严重,导致预报结果准确率低、外推时效短。
技术实现思路
1、本申请提供了一种基于时空特征补偿卷积的短临降水预报方法及装置,能够实现图像特征信息在时间维度上的传递,避免随时间延长导致的特征信息的丢失,提高降水预测的准确率。
2、第一方面,本申请实施例提供了一种基于时空特征补偿卷积的短临降水预报方法,包括:
3、将已知天气信息输入三维卷积层,得到n个时刻对应的预测特征;
4、将各预测特征输入补偿注意力模块,得到n-1个时刻对应的权重;
5、根据各权重和各预测特征得到n-1个时刻对应的补偿信息;
6、令预测特征与上一时刻的补偿信息相加,得到n-1个时刻对应的重组特征;
7、基于各重组特征得到n个时刻对应的降水预测信息。
8、进一步的,已知天气信息包括历史雷达回波图像。
9、进一步的,预测特征包括对应时刻的雷达回波的
10、进一步的,上述根据各权重和各预测特征得到n-1个时刻对应的补偿信息,包括:
11、令权重与对应时刻的预测特征相乘,得到对应时刻的补偿信息。
12、进一步的,补偿注意力模块包括最大池化层、全连接网络层和多层三维卷积。
13、进一步的,上述将各预测特征输入补偿注意力模块,得到n-1个时刻对应的权重,包括:
14、将各预测特征依次输入第一层三维卷积和最大池化层,得到n个采样特征;
15、将各采样特征依次输入第二层三维卷积和第三层三维卷积,得到n个隐层特征;
16、将各隐层特征输入全连接网络进行映射,得到n-1个权重。
17、进一步的,n的取值大于等于50,小于等于70。
18、进一步的,上述基于各重组特征得到n个时刻对应的降水预测信息,包括:
19、将各重组特征输入三维卷积层,得到n个时刻对应的降水预测信息。
20、进一步的,三维卷积层的大小为3×3×3。
21、第二方面,本申请实施例提供了一种基于时空特征补偿卷积的短临降水预报装置,包括:
22、输入模块,用于将已知天气信息输入三维卷积层,得到n个时刻对应的预测特征;
23、权重模块,用于将各预测特征输入补偿注意力模块,得到n-1个时刻对应的权重;
24、补偿模块,用于根据各权重和各预测特征得到n-1个时刻对应的补偿信息;
25、重组模块,用于令预测特征与上一时刻的补偿信息相加,得到n-1个时刻对应的重组特征;
26、预测模块,用于基于各重组特征得到n个时刻对应的降水预测信息。
27、第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时执行如上述任一实施例的一种基于时空特征补偿卷积的短临降水预报方法的步骤。
28、第四方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被执行时实现如上述任一实施例的一种基于时空特征补偿卷积的短临降水预报方法的步骤。
29、综上,与现有技术相比,本申请实施例提供的技术方案带来的有益效果至少包括:
30、本申请实施例提供的一种基于时空特征补偿卷积的短临降水预报方法,通过引入补偿注意力模块,对各个时刻的预测特征进行权重提取,并根据权重和预测特征确定补偿信息,将补偿信息传递至下一时刻的预测特征中,得到重组特征。上述方法根据补偿后的重组特征进行降水预测,增强了特征在时空维度上信息流通,将残差链接引入时空维度,进一步提高了降水预测网络特征提取和时空信息的交互能力,实现了图像特征信息在时间维度上的传递,避免了随时间延长导致的特征信息的丢失,提高了降水预测的准确率。
本文档来自技高网...【技术保护点】
1.一种基于时空特征补偿卷积的短临降水预报方法,其特征在于,包括:
2.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述已知天气信息包括历史雷达回波图像。
3.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述预测特征包括对应时刻的雷达回波的形状、强度、面积及位置分布。
4.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述根据各所述权重和各所述预测特征得到n-1个时刻对应的补偿信息,包括:
5.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述补偿注意力模块包括最大池化层、全连接网络层和多层三维卷积。
6.根据权利要求5所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述将各所述预测特征输入补偿注意力模块,得到n-1个时刻对应的权重,包括:
7.根据权利要求6所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,n的取值大于等于50,小于等于70。
8.根据权利要求1所述的基于
9.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述三维卷积层的大小为3×3×3。
10.一种基于时空特征补偿卷积的短临降水预报装置,其特征在于,包括:
...【技术特征摘要】
1.一种基于时空特征补偿卷积的短临降水预报方法,其特征在于,包括:
2.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述已知天气信息包括历史雷达回波图像。
3.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述预测特征包括对应时刻的雷达回波的形状、强度、面积及位置分布。
4.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述根据各所述权重和各所述预测特征得到n-1个时刻对应的补偿信息,包括:
5.根据权利要求1所述的基于时空特征补偿卷积的短临降水预报方法,其特征在于,所述补偿注意力模块包括最大池化层、全连接网络层和多层三...
【专利技术属性】
技术研发人员:陈生,黄启桥,赵建宇,
申请(专利权)人:中国科学院西北生态环境资源研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。