申请/专利权人:浙江省气象台
申请日:2023-12-12
公开(公告)日:2024-04-02
公开(公告)号:CN117805826A
主分类号:G01S13/95
分类号:G01S13/95;G01S7/41;G01W1/10;G01W1/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明属于降水估测技术领域,公开了一种基于MIM网络和雷达拼图的分钟降水估测方法及系统,在时序模型SpatiotemporalLSTM的基础上引入MIM‑S和MIM‑N模块,能够提取雷达图像中的非平稳特征,有机会使时空过程逐渐平稳化,使其更具可预测性,通过雷达拼图大数据样本的训练,可以得到更加精细、覆盖范围更广、普适性更高、推广应用价值更高的模型,同时可以弥补海上无降水观测的短板,改进传统方法估测精度低、计算复杂且普适性不高的缺点。基于双偏振雷达拼图的反演模型可移植性强,相对于单部雷达的反演模型能够发挥更大的业务应用价值。因此,本发明对于进一步提升降水估测以及降水短临预报能力,具有十分重要的意义。
主权项:1.一种基于MIM网络和雷达拼图的分钟降水估测方法,其特征在于,首先,实施双偏振雷达数据的质量控制,使用MetEcho算法进行非气象回波的识别和抑制,并对雷达数据进行系统误差标定及双通道检查;其次,通过将多部雷达的数据插值到统一的笛卡尔网格上,实现多部双偏振雷达的组网拼图,形成雷达网的三维拼图格点场;接着,生成具有高时空分辨率的雷达拼图训练数据集,并采用CMPAS融合数据作为模型训练的目标变量,同时对数据进行标准化处理以提高模型的性能和训练速度;最后,构建基于MIM网络的深度学习模型,该模型结合SpatiotemporalLSTM和多个MIMblock,能够有效地从时空动态中学习和捕捉高阶非平稳性特征,用于精准的分钟级降水估测。
全文数据:
权利要求:
百度查询: 浙江省气象台 基于MIM网络和雷达拼图的分钟降水估测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。