用于预测强对流天气的方法和装置制造方法及图纸

本申请实施例公开了用于预测强对流天气的方法和装置。该方法的一具体实施方式包括：获取当前雷达回波图序列，其中，当前雷达回波图序列是当前时间段内的雷达回波图序列；基于当前雷达回波图序列，生成未来雷达回波图序列，其中，未来雷达回波图序列是未来时间段内的雷达回波图序列；将未来雷达回波图序列输入至预先训练的强对流天气预测模型，得到强对流天气强度预测图，其中，强对流天气预测模型用于预测强对流天气强度。该实施方式提高了对强对流天气强度的预测准确度。

Methods and devices for predicting severe convective weather

【技术实现步骤摘要】
用于预测强对流天气的方法和装置
本申请实施例涉及计算机
，具体涉及用于预测强对流天气的方法和装置。
技术介绍
强对流天气是指出现短时强降水、雷雨大风、龙卷风、冰雹和飑线等现象的灾害性天气。这种天气破坏力很强，它是气象灾害中历时短、天气剧烈、破坏性强的灾害性天气。世界上把它列为仅次于热带的气旋、地震、洪涝之后第四位具有杀伤性的灾害性天气。强对流天气在所有天气类型中最难预报。同时，强对流天气较一般天气类型而言可供研究的案例少，预报难度大。目前，强对流天气预报方法主要是预报员人工预报。即，经验丰富的预报员及时跟踪最新的雷达回波图，通过分析雷达回波图中云层运动特征来进行强对流天气预测。
技术实现思路
本申请实施例提出了用于预测强对流天气的方法和装置。第一方面，本申请实施例提供了一种用于预测强对流天气的方法，包括：获取当前雷达回波图序列，其中，当前雷达回波图序列是当前时间段内的雷达回波图序列；基于当前雷达回波图序列，生成未来雷达回波图序列，其中，未来雷达回波图序列是未来时间段内的雷达回波图序列；将未来雷达回波图序列输入至预先训练的强对流天气预测模型，得到强对流天气强度预测图，其中，强对流天气本文档来自技高网...

【技术保护点】
1.一种用于预测强对流天气的方法，包括：获取当前雷达回波图序列，其中，所述当前雷达回波图序列是当前时间段内的雷达回波图序列；基于所述当前雷达回波图序列，生成未来雷达回波图序列，其中，所述未来雷达回波图序列是未来时间段内的雷达回波图序列；将所述未来雷达回波图序列输入至预先训练的强对流天气预测模型，得到强对流天气强度预测图，其中，所述强对流天气预测模型用于预测强对流天气强度。

【技术特征摘要】
1.一种用于预测强对流天气的方法，包括：获取当前雷达回波图序列，其中，所述当前雷达回波图序列是当前时间段内的雷达回波图序列；基于所述当前雷达回波图序列，生成未来雷达回波图序列，其中，所述未来雷达回波图序列是未来时间段内的雷达回波图序列；将所述未来雷达回波图序列输入至预先训练的强对流天气预测模型，得到强对流天气强度预测图，其中，所述强对流天气预测模型用于预测强对流天气强度。2.根据权利要求1所述的方法，其中，所述基于所述当前雷达回波图序列，生成未来雷达回波图序列，包括：将所述当前雷达回波图序列输入至预先训练的雷达回波外推预测模型，得到所述未来雷达回波图序列。3.根据权利要求2所述的方法，其中，在所述将所述当前雷达回波图序列输入至预先训练的雷达回波外推预测模型，得到所述未来雷达回波图序列之前，还包括：对所述当前雷达回波图序列进行预处理，其中，所述预处理包括以下至少一项：晴空回波滤除、失效回波滤除、固定噪声滤除。4.根据权利要求3所述的方法，其中，所述对所述当前雷达回波图序列进行预处理，包括：对于所述当前雷达回波图序列中的当前雷达回波图，将该当前雷达回波图中的低于预设像素值的像素点的像素值设置为预设数值。5.根据权利要求4所述的方法，其中，所述对所述当前雷达回波图序列进行预处理，包括：将缺失的当前雷达回波图所在的至少预设时间段内的当前雷达回波图从所述当前雷达回波图序列中滤除。6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：确定所述强对流天气强度预测图是否满足预警条件；若满足所述预警条件，发送报警命令。7.根据权利要求1-5之一所述的方法，其中，所述强对流天气预测模型包括第一编码器和第一解码器，所述第一编码器包括卷积层和下采样层，所述第一解码器包括反卷积层和上采样层。8.根据权利要求7所述的方法，其中，所述强对流天气预测模型通过如下步骤训练得到：获取训练样本，其中，所述训练样本包括历史雷达回波图序列和历史强对流天气强度真实图；利用深度学习方法，基于所述训练样本对预测模型进行训练，得到所述强对流天气预测模型。9.根据权利要求8所述的方法，其中，所述利用深度学习方法，基于所述训练样本对预测模型进行训练，得到所述强对流天气预测模型，包括：将所述训练样本中的历史雷达回波图序列作为输入，将所述训练样本中的历史强对流天气强度真实图作为输出，对所述预测模型进行训练，得到所述强对流天气预测模型。10.根据权利要求8所述的方法，其中，所述利用深度学习方法，基于所述训练样本对预测模型进行训练，得到所述强对流天气预测模型，包括：基于所述训练样本中的历史强对流天气强度真实图，对所述训练样本中的历史雷达回波图序列进行风暴体成熟度标注，生成风暴体成熟度标注图序列；将所述风暴体成熟度标注图序列作为输入，将所述训练样本中的历史强对流天气强度真实图作为输出，对所述预测模型进行训练，得到所述强对流天气预测模型。11.根据权利要求8所述的方法，其中，在所述将所述未来雷达回波图序列输入至预先训练的强对流天气预测模型，得到强对流天气强度预测图之后，还包括：获取所述未来雷达回波图序列对应的强对流天气强度真实图；基于所述未来雷达回波图序列和所述强对流天气强度真实图，生成新的训练样本；基于所述新的训练样本对所述强对流天气预测模型进行训练，更新所述强对流天气预测...

【专利技术属性】
技术研发人员：肖慧慧，聂磊，郭江亮，李旭，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11