气象云图预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能领域，尤其是一种气象云图预测方法、装置、计算机设备和存储介质。所述方法包括：获取待预测区域对应的历史气象云图；对所述历史气象云图进行处理得到动态信息；从所述历史气象云图中选取目标云图，对所述目标云图进行处理得到内容信息；将所述动态信息和所述内容信息进行融合，并将融合后的信息输入至生成对抗网络中，得到所述待预测区域在目标时间的目标气象云图；所述生成对抗网络是基于最小二乘的训练方式训练得到的。采用本方法能够提高预测准确性。

Forecast method, device, computer equipment and storage medium of meteorological nephogram

【技术实现步骤摘要】
气象云图预测方法、装置、计算机设备和存储介质
本专利技术涉及气象雷达
，特别是涉及一种气象云图预测方法、装置、计算机设备和存储介质。
技术介绍
气象雷达回波，是由雷达发射、经大气及其悬浮物散射而返回的被雷达天线所接收的电磁波。由这些电磁波转换的信号所对应的图像称为气象雷达回波图。分析气象雷达回波图，可及时发现台风、雷暴、暴雨、冰雹、龙卷风等灾害性天气的强度、位置及其移动变化情况。传统技术中，采用持续性预报法或交叉相关法预报雷暴体的演变和运动。持续性预报法中，假设所有气象雷达回波的大小和强度在预报期间内保持不变，且以固定速度平移；交叉相关法是选取连续两个时刻的气象雷达回波图，将图像区域划分为32×32像素的图像子集，采用交叉相关法计算两幅图像的最佳匹配区域，根据前后图像匹配区域的位置和时间间隔，确定出每个图像子集的移动矢量，根据图像移动矢量集，利用后向轨迹方法对图像作短时外推预测。但是，上述持续性预报法和交叉相关法，均存在风暴体识别的准确度低的情况，使得强天气临近预报的准确度降低。专利技术内容基于此，本文档来自技高网...

【技术保护点】
1.一种气象云图预测方法，其特征在于，所述方法包括：/n获取待预测区域对应的历史气象云图；/n对所述历史气象云图进行处理得到动态信息；/n从所述历史气象云图中选取目标云图，对所述目标云图进行处理得到内容信息；/n将所述动态信息和所述内容信息进行融合，并将融合后的信息输入至生成对抗网络中，得到所述待预测区域在目标时间的目标气象云图；所述生成对抗网络是基于最小二乘的训练方式训练得到的。/n

【技术特征摘要】
1.一种气象云图预测方法，其特征在于，所述方法包括：
获取待预测区域对应的历史气象云图；
对所述历史气象云图进行处理得到动态信息；
从所述历史气象云图中选取目标云图，对所述目标云图进行处理得到内容信息；
将所述动态信息和所述内容信息进行融合，并将融合后的信息输入至生成对抗网络中，得到所述待预测区域在目标时间的目标气象云图；所述生成对抗网络是基于最小二乘的训练方式训练得到的。


2.根据权利要求1所述的方法，其特征在于，所述将融合后的信息输入至生成对抗网络中，得到所述待预测区域在目标时间的目标气象云图之后，还包括：
按照时间顺序对所述目标气象云图进行排序；
按照排序顺序依次显示所述目标气象云图。


3.根据权利要求1所述的方法，其特征在于，所述将融合后的信息输入至生成对抗网络中，得到所述待预测区域在目标时间的目标气象云图之后，还包括：
获取所述目标气象云图的显示张数，并根据所述显示张数将待显示区域进行划分；
将所述目标气象云图显示在划分后的所述待显示区域中。


4.根据权利要求1至3任意一项所述的方法，其特征在于，所述获取待预测区域对应的历史气象云图，包括：
获取待预测区域在多个连续历史时刻的历史气象云图；或者获取待预测区域对应的预设时刻的一张历史气象云图。


5.根据权利要求4所述的方法，其特征在于，所述生成对抗网络的训练方法包括：
获取训练气象云图；
通过预测网络对所述训练气象云图进行预测得到预测气象云图，并获取所述训练气象云图对应的真实气象云图；
根据所述预测气象云图和所述真实气象云图对初始鉴别器进行训练，使得所述初始鉴别器对应的第一损失函数的值最小；
根据训练完成的初始鉴别器、所述预测气象云图以及所述真实气象云图对所述预测网络进行训练，使得所述预测网络对应的第二损失函数的值最小，所述第一损失函数和所述第二损失函数是根据所述预测...

【专利技术属性】
技术研发人员：周康明，孟云龙，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31