申请/专利权人：南京叁云科技有限公司;南京浦蓝大气环境研究院有限公司

申请日：2020-11-05

公开（公告）日：2024-04-05

公开（公告）号：CN112363140B

主分类号：G01S7/41

分类号：G01S7/41;G01S13/95

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.03.05#实质审查的生效;2021.02.12#公开

摘要：本发明公开了一种基于循环神经网络的热力约束外推客观订正方法，属于雷达回波短临预报领域。针对雷达外推预报的回波强度无法预估的问题，本发明使用数值模式预报结果对雷达回波的短临外推结果进行热力约束，首先基于数值模式预报结果生成危险天气发生概率产品，然后通过长短期记忆循环神经网络，建立危险天气概率预报产品和雷达回波概率密度分布函数间时序映射关系；基于该时序映射关系，结合数值模式0‑2小时预报结果，计算未来0‑2小时雷达回波概率密度分布，并以此对雷达回波外推结果进行频率匹配，将外推后的回波概率密度订正至预测的回波概率密度分布上去，实现雷达回波短临外推的客观订正，从而提高预报准确率。

主权项：1.一种基于循环神经网络的热力约束外推客观订正方法，其特征在于，包括以下步骤：步骤1：根据数值模式计算强对流天气发生概率指数；步骤2：通过样条插值方法将数值模式粗网格点低时空分辨率数据插值到雷达回波拼图数据的高时空分辨率网格点上；步骤3：分别统计不同时刻的雷达回波强度分布概率密度以及对应时间节点上强对流天气发生概率指数分布；所述步骤2包括：步骤201：通过三次样条插值的方式将不同时刻的强对流天气发生概率指数插值到高精度的网格中；步骤202：对于每个格点通过三次样条插值生成时间序列；步骤4：利用LSTM循环神经网络构建雷达回波概率密度和强对流天气发生概率指数分布间的关系模型，并利用数值模式预报的未来强对流天气发生概率指数反算雷达回波概率密度分布；在步骤4中，以一小时为时长，T分钟为间隔时间，60T+1个时次雷达回波概率密度分布和对应时刻的强对流天气发生概率密度分布，以及未来T分钟强对流天气发生概率密度函数为输入，未来T分钟雷达回波概率密度分布为输出，搭建两层LSTM训练模型；搭建两层LSTM训练模型的方法包括：步骤401：设置模型第一层LSTM网络隐藏节点数为64，并添加概率为0.5的神经元随机失活的方式增强神经网络的鲁棒性；步骤402：设置模型第二层LSTM网络隐藏节点数为32，Dropout概率为0.2；步骤403：添加一次全连接层，输出格点数为6，和雷达回波格点数分布相对应；经过训练后的模型通过循环往复，将输出的雷达回波格点概率密度分布转带入到模型输入中，实现短临雷达回波概率密度分布预报；步骤5：通过多尺度光流法及半拉格朗日外推算法分别计算连续雷达回波图像之间的光流场变化，并使用半拉格朗日外推算法对回波走势进行分段外推；步骤6：使用频率匹配算法根据步骤4中得到的雷达回波概率密度分布对光流法外推结果进行频率匹配订正，提升回波预报准确率。

全文数据：

权利要求：

百度查询： 南京叁云科技有限公司;南京浦蓝大气环境研究院有限公司 一种基于循环神经网络的热力约束外推客观订正方法

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