申请/专利权人：中国人民解放军空军工程大学

申请日：2024-01-22

公开（公告）日：2024-04-26

公开（公告）号：CN117933465A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N3/0464;G06F18/213

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明属于图像预测领域，提供了一种基于Transformer的双偏振雷达图像预测方法，包括以下步骤：获得利于雷达观测数据预测短时雷达信息；对预测结果进行去模糊提高预测的准确性；结合雷达观测数据和降水量统计数据对降水量进行定量预测；对双偏振雷达的预测优势进行分析；本发明通过双偏振雷达观测数据ZH、ZDR、KDP和降水量之间的相互关系建立卷积神经网络模型，对未来降水量进行定量预测；通过应用双偏振雷达数据，建立多尺度卷积神经网络模型，有效对强对流临近预报双偏振雷达资料中微物理特征信息进行特征提取，并通过加入残差块进行损失函数优化，使预报出的雷达回波更充分、更真实，有效缓解了预报的模糊效应。

主权项：1.一种基于Transformer的双偏振雷达图像预测方法，其特征在于，包括以下步骤：S1、对双偏振雷达的观测数据设置阈值，通过滤波算法进行数据预处理，去除由于雷达的测量误差以及非降水因素引起的野值；通过数据切片、随机缩放和数据旋转对数据集进行扩充和增强；经过前两步处理后的数据集，通过卷积神经网络建立雷达观测数据ZH、ZDR、比差分相移KDP和水平反射率因子ZH之间的映射关系，由前十帧的数据预测未来时刻的反射率因子ZH；S2、通过对每一帧数据与数据平均值作比较，求出数据残差，设置阈值进行滤波处理以减小数据的平均化影响；并通过已知的雷达观测数据水平反射率因子ZH和差分反射率ZDR求解出垂直反射率因子ZV，结合补充数据中的降水量数据，增加通道输入来提高模型的性能；S3、利用最近邻法对雷达观测参数和降水量数据进行配准，之后通过雷达观测数据ZH和ZDR建立模型对降水量强度R进行预测；结合实际的降水量数据集对预测模型进行校准；分别预测不同空间高度的降水量，对预测结果进行质量控制，并分析地形因素对降雨量预测的影响；S4、分析双偏振雷达的垂直极化回波强度和相位参数信息在强对流降水预测中的贡献，并与基于传统雷达的水平极化回波强度与降水量建立的Z-R关系的预测结果作对比，对双偏振雷达的观测数据进行融合优化。

全文数据：

权利要求：

百度查询： 中国人民解放军空军工程大学 一种基于Transformer的双偏振雷达图像预测方法

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