申请/专利权人：南京信息工程大学

申请日：2024-02-29

公开（公告）日：2024-04-02

公开（公告）号：CN117808650A

主分类号：G06Q50/26

分类号：G06Q50/26;G06F30/27;G06V10/26;G06V10/10;G06V10/80;G06V10/82;G01W1/10

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：本发明公开了一种基于Transform‑Flownet和R‑FPN的降水预测方法，获取气象雷达图像数据，并对气象雷达图像数据进行预处理；构建初始降水预测模型，利用自适应权重粒子群优化算法改进的麻雀算法优化初始降水预测模型的超参数；利用预处理后的气象雷达图像数据对优化超参数后的初始降水预测模型进行训练，将训练之后的初始降水预测模型作为目标降水预测模型；利用目标降水预测模型预测下一个小时的降雨量。本发明将降水的局部信息和全局信息进行结合，将降水图像的时间信息和空间信息进行有效融合，对降水进行更加全方位的特征提取，提高了对于降水预测的准确性和提高了对于复杂天气图像进行降水预测的精准度和有效性。

主权项：1.一种基于Transform-Flownet和R-FPN的降水预测方法，其特征在于，包括如下步骤：步骤1，获取气象雷达图像数据，并对气象雷达图像数据进行预处理；步骤2，构建初始降水预测模型，利用自适应权重粒子群优化算法改进的麻雀算法优化初始降水预测模型的超参数；其中初始降水预测模型包括R-FPN网络、Trasnform网络和Flownet网络，利用R-FPN网络获取气象雷达图像数据的具有时间信息的局部信息，利用Trasnform网络获取气象雷达图像数据的具有时间信息的全局信息，利用Flownet网络获取气象雷达图像数据的空间信息；步骤3，利用预处理后的气象雷达图像数据对优化超参数后的初始降水预测模型进行训练，将训练之后的初始降水预测模型作为目标降水预测模型；步骤4，将前一个小时的气象雷达图像数据输入至目标降水预测模型，利用目标降水预测模型预测下一个小时的降雨量。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于Transform-Flownet和R-FPN的降水预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD