一种雷达回波外推临近天气预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115933010A(43)申请公布日2023.04.07(21)申请号202211688110.2(22)申请日2022.12.28(71)申请人南京信息工程大学地址224002江苏省盐城市盐南高新区新河街道文港南路105号(72)发明人程勇钱坤王军何光鑫渠海峰王伟何佳信(74)专利代理机构南京纵横知识产权代理有限公司32224专利代理师刘艳艳(51)Int.Cl.G01W1/10(2006.01)G01S13/95(2006.01)G01S7/41(2006.01)权利要求书4页说明书20页附图3页(54)发明名称一种雷达回波外推临近天气预测方法(57)摘要本发明公开了一种雷达回波外推临近天气预测方法，包括：获取历史雷达回波序列样本；构建及训练基于AFR‑LSTM的预测神经网络模型，将雷达回波序列样本划分batch_size后，输入到预测神经网络模型中，经过多层网络的前向传播后，反向传播更新网络权重，得到训练好的预测神经网络模型；将设定时间段内的雷达回波序列样本，输入训练好的预测神经网络模型，得到雷达回波外推图像序列；根据所述雷达回波外推图像序列，确定临近天气预测结果。CN115933010ACN115933010A权利要求书1/4页1.一种雷达回波外推临近天气预测方法，其特征在于，包括：步骤S1、获取历史雷达回波序列样本；步骤S2、构建及训练基于AFR‑LSTM的预测神经网络模型，将雷达回波序列样本划分batch_size后，输入到预测神经网络模型中，经过多层网络的前向传播后，反向传播更新网络权重，得到训练好的预测神经网络模型；步骤S3、将设定时间段内的雷达回波序列样本，输入训练好的预测神经网络模型，得到雷达回波外推图像序列；步骤S4、根据所述雷达回波外推图像序列，确定临近天气预测结果。2.根据权利要求1所述的雷达回波外推临近天气预测方法，其特征在于，步骤S1中，获取历史雷达回波序列样本，包括：对通过多普勒雷达获取的雷达回波图依次经过坐标转换、数据插值、水平采样预处理，得到灰度图。3.根据权利要求2所述的雷达回波外推临近天气预测方法，其特征在于，坐标转换包括：将三维极坐标下的雷达回波图数据转换到三维笛卡尔直角坐标系中；数据插值包括：采用反距离加权法进行数据插值，得到三维笛卡尔直角坐标系下的规整网格数据；水平采样包括：将三维笛卡尔直角坐标系下的规整网格数据进行水平采样，提取一高度下的二维平面数据，将二维平面数据映射到0～255，得到回波强度CAPPI灰度图像；其中数据映射公式为：其中P为灰度像素；Z为数据的强度值，表示数值向下取整。4.根据权利要求3所述的雷达回波外推临近天气预测方法，其特征在于，步骤S1还包括：通过归一化将数据转化为归一化灰度数据Normlized_data；得到的归一化灰度数据的值在[0，1]。5.根据权利要求1所述的雷达回波外推临近天气预测方法，其特征在于，步骤S2中，所述基于AFR‑LSTM的预测神经网络模型依次包括：Encoder编码器、AF‑LSTM模块和Decoder解码器；所述Encoder编码器包括5层卷积层，用于提取雷达回波序列样本It的深度特征Xt；所述AF‑LSTM模块包括4层AF‑LSTM网络单元并按顺序依次堆叠在Encoder编码器网络之后，用于提取雷达回波序列样本深度特征Xt的时空信息，输出的隐藏状态输入到Decoder解码器中；所述AF‑LSTM模块，用于将前一时刻同一层网络输出的记忆单元和隐藏状态当前时刻前一层网络输出的隐藏状态前一层的时空记忆单元Ml‑1以及前τ层的时空记忆单元的集合Ml‑τ:l‑1输入到t时刻第l层的AF‑LSTM网络单元中，经前向传播后得到当前网络2CN115933010A权利要求书2/4页单元输出的隐藏状态记忆单元时空记忆单元其中t＝1,2…,10，l＝1,2,3,4；参数通过初始化设定；所述Decoder解码器包括5层卷积层，用于对AF‑LSTM模块输出的隐藏状态进行解码，并分别与编码器每个卷积层的输出对应融合，得到输出的雷达回波外推图像序列6.根据权利要求5所述的雷达回波外推临近天气预测方法，其特征在于，所述AF‑LSTM模块的处理过程包括：l‑1步骤2‑1，将前一层的时空记忆单元M、遗忘门ft'和前几层连续历史时空记忆单元的集合Ml‑τ:l‑1作为输入，通过融合注意力机制进行输出，得到带有多个时间步的时空记忆单元AttFusion；步骤2‑2，将当前时刻的前一层网络输出的隐藏状态前一个时刻同一层网络输出的隐藏状态和记忆单元通过输入调制门gt、输入门it和遗忘门ft更新当前的记忆单元公式如下：其中，“*”表示卷积运算，“⊙”表示矩阵的点乘运算，tanh表示双曲正切激活函数σ表示Sig