一种强对流天气短临预报方法及系统、存储介质和终端技术方案

本发明专利技术公开了一种强对流天气短临预报方法及系统、存储介质和终端，所述方法包括：获得预定时间段内的雷达数据；根据所述雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；确定所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系；根据所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。本发明专利技术可以有效的提高对强对流天气短临预报的准确性，降低虚警率、提高TS评分。

【技术实现步骤摘要】
一种强对流天气短临预报方法及系统、存储介质和终端
本专利技术涉及气象学天气预报
，具体涉及一种强对流天气短临预报方法及系统、存储介质和终端。
技术介绍
对流天气临近预报是指对未来几小时之内(一般指0～2h)的对流天气系统及其所伴随的灾害性天气的发生、发展、演变和消亡的预报。临近预报技术是在20世纪60～70年代在外推雷达回波的基础上发展起来的。近十多年来，随着天气雷达技术的进一步发展，特别是美国新一代多普勒天气雷达WSR88D在美国以及欧洲部分国家布网的完成，以雷达资料为基础的对流天气临近预报技术的研究进展很快。在当今国际上，发展出了许多先进的临近预报系统，对灾害性强天气的临近预报和预警起到了积极作用。有的临近预报系统不仅使用雷达资料，同时还融合了地面中尺度观测资料、探空资料、闪电资料、风廓线资料以及中尺度数值模式预报等，以试图提高临近预报的时空精度。强降水外推预报主要使用雷达回波资料。为了预报雷达回波单体的运动，就必须确定它们移动的速度和方向。通过对风暴的强度和大小进行线性或者非线性外推，可以在一定的时间段内预报风暴单体和降水区的移动。许多基于雷达资料的临近预报方法使用了雷暴识别和追踪算法，除了最早的线性外推法外，一般还有两种算法可以确定回波单体的移动，即交叉相关追踪算法和回波特征追踪算法。现在业务上使用雷达回波追踪算法的临近预报系统主要依赖于三维的雷达资料，有的系统合成运用了上述几种算法。目前的大多数外推预报算法没有考虑对流系统的生消、且预报时效较短、预报准确率不高、没有分类强对流天气预报；另外，传统方式的强对流气象预警中，不考虑本地化问题，只根据气象雷达基数据资料进行预报预警，其预警能力较弱，预警精度较低。
技术实现思路
为了解决
技术介绍
中的技术问题，提高对天气短临的外推预测的准确性，降低虚警率、提高TS评分，本专利技术提供一种强对流天气短临预报方法及系统、存储介质和终端。本专利技术所采用的技术方案具体如下：一种强对流天气短临预报方法，包括：获得预定时间段内的雷达数据；根据雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；确定短时临近的雷达外推数据Z与降雨强度R之间的转换关系；根据短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。进一步地方案是，根据雷达数据构建雷达外推模型，并获得雷达外推数据之前还包括以下步骤：对雷达数据进行滤波、归一化处理；根据预设阈值分离出强降雨区域以及强降雨区域对应的雷达数据；根据雷达数据制作训练数据集和测试数据集。根据预设阈值分离出强降雨区域以及强降雨区域对应的雷达数据之后，还包括以下步骤：补全缺测的雷达数据。进一步地方案是，还包括以下步骤：获得与预定时间段的雷达数据相对应的地面观测数据；将预定时间段的雷达数据与地面观测数据进行匹配，获取预定时间段的地面观测数据。进一步地方案是，构建雷达外推模型包括：将雷达数据输入神经网络模型，构建雷达外推模型。进一步地方案是，确定短时临近的雷达外推数据Z与降雨强度R之间的转换关系包括以下步骤：设定雷达外推数据Z与降雨强度R之间的转换关系式Z＝10loga+10blogR中的参数a和参数与b的初始值；将预定时间段内的雷达外推数据带入转换关系式，获得预定时间段内的预测降水量数据；将预定时间段内的预测降水量数据与预定时间段内的地面观测数据进行最优拟合，确定参数a、参数b的值。进一步地方案是，还包括以下步骤：对比短时临近的降水量与预警阈值；当短时临近的降水量大于或等于预警阈值时，发出预警。本专利技术还提供了一种强对流天气短临预报系统，包括：数据获取单元，用于获取预定时间段内的雷达数据以及地面观测数据；模型构建单元，用于根据雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；数据处理单元，用于根据短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。进一步地方案是，数据获取单元还包括数据预处理模块，用于对雷达数据进行滤波、归一化处理，以及根据预设阈值分离出强降雨区域以及强降雨区域对应的雷达数据。进一步地方案是，还包括预警单元，用于对比短时临近的降水量与预警阈值，并且在短时临近的降水量大于或等于预警阈值时，发出预警。本专利技术还提供一种存储介质，所述存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的强对流天气短临预报方法。本专利技术还提供了一种终端，包括：处理器及存储器；存储器用于存储计算机程序；处理器用于执行存储器存储的计算机程序，以使终端执行上述任一项的强对流天气短临预报方法。与现有技术相比，本专利技术所述的强对流天气短临预报(强对流天气短时临近预报)方法及系统、存储介质和终端至少具备如下有益效果：本专利技术所将预定时间内的雷达数据和地面观测数据进行预处理，将预处理的雷达数据输入到神经网络模型，进而得到雷达外推模型；将雷达外推模型所得的雷达外推数据代入短时临近的雷达外推数据Z与降雨强度R之间的转换关系中，进而计算出预测降水量数据；其中所述的雷达外推数据根据雷达外推模型获得，短时临近的雷达外推数据Z与降雨强度R之间的转换关系参数是通过雷达数据和地面观测数据通过多次优化确定，且融合了雷达数据和地面观测数据，提高了预测的准确性、TS评分，并降低了虚警率。附图说明图1为本专利技术实施例中的强对流天气短临预报方法的流程图；图2为本专利技术实施例中的强对流天气短临预报方法的算法流程图；图3为本专利技术实施例中雷达数据和地面观测数据的数据匹配示意图；图4a-4c为本专利技术实施例中光流法补全缺测时刻雷达数据的补全示意图；图4a为时刻1的雷达回波图(未缺测)；图4b为时刻2的雷达回波图(未缺测)；图4c为填补后时刻3的雷达回波图(缺测)；图5为本专利技术实施例中的实际降雨量、MIM模型降雨量预测结果与OpticalFlow模型预测降雨量结果对比图；图6为本专利技术实施例中雷达反射率外推EASY-CLOF模型示意图。具体实施方式下面结合附图详细描述本专利技术的实施例，实施例的示例在附图中示出。本实施例公开了一种强对流天气短临预报方法，如图1所示，包括：获得预定时间段内的雷达数据；根据雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；确定短时临近的雷达外推数据Z与降雨强度R之间的转换关系；根据短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。优选地，根据雷达数据构建雷达外推模型，并获得雷达外推数据之前还包括以下步骤：对雷达数据进行滤波、归一化处理；根据预设阈值分离出强降雨区域以及强降雨区域对应的雷达数据；根据雷达数据制作训练数据集和测试数据集。根据预设阈值分离出强降雨区域以及强降雨区域对应的雷达数据之后，还包括以下步骤：补全缺测的雷达数本文档来自技高网...

【技术保护点】
1.一种强对流天气短临预报方法，其特征在于，包括：/n获得预定时间段内的雷达数据；/n根据所述雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；/n确定所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系；/n根据所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。/n

【技术特征摘要】
1.一种强对流天气短临预报方法，其特征在于，包括：
获得预定时间段内的雷达数据；
根据所述雷达数据构建雷达外推模型，并获得短时临近的雷达外推数据Z；
确定所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系；
根据所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系，获得短时临近的降水量。


2.根据权利要求1所述的强对流天气短临预报方法，其特征在于，根据所述雷达数据构建雷达外推模型，并获得雷达外推数据之前还包括以下步骤：
对所述雷达数据进行滤波、归一化处理；
根据预设阈值分离出强降雨区域以及所述强降雨区域对应的雷达数据；
根据所述雷达数据制作训练数据集和测试数据集。


3.根据权利要求2所述的强对流天气短临预报方法，其特征在于，根据预设阈值分离出强降雨区域以及所述强降雨区域对应的雷达数据之后，还包括以下步骤：补全缺测的雷达数据。


4.根据权利要求1所述的强对流天气短临预报方法，其特征在于，还包括以下步骤：
获得与所述预定时间段的雷达数据相对应的地面观测数据；
将所述预定时间段的雷达数据与所述地面观测数据进行匹配，获取所述预定时间段的地面观测数据。


5.根据权利要求1所述的强对流天气短临预报方法，其特征在于，所述构建雷达外推模型包括：将所述雷达数据输入神经网络模型，构建雷达外推模型。


6.根据权利要求4所述的强对流天气短临预报方法，其特征在于，确定所述短时临近的雷达外推数据Z与降雨强度R之间的转换关系包括以下步骤：
设定雷达外推数据Z与降雨强度R之间的转换关系式Z＝10loga+10blogR中的参数a和参数与b的初始值；
将所述预定时间段内的雷达外推数据带入所...

【专利技术属性】
技术研发人员：贺晓冬，曹蕾，宗勇，刘雨薇，周同乐，
申请(专利权)人：易天气北京科技有限公司，
类型：发明
国别省市：北京;11