雷达云图的预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及计算机技术领域，特别是涉及一种雷达云图的预测方法、装置、计算机设备和存储介质。所述方法包括：获取历史雷达云图序列以及高斯拟合图序列，高斯拟合图序列基于历史雷达云图序列生成；基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列；对历史图片对序列进行预测处理，得到未来时间段的预测数据；对预测数据进行反向处理，得到未来时间段的预测雷达云图序列。采用本方法能够提升雷达云图预测的准确性。

【技术实现步骤摘要】
雷达云图的预测方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种雷达云图的预测方法、装置、计算机设备和存储介质。
技术介绍
随着遥感科技的发展，雷达已经成为了地面探测天气情况的重要手段。雷达存储的基础数据是反射率因子的强度信息，通常将反射率因子的强度信息映射成以不同颜色代表不同强度的反射率因子图。在传统方式中，利用人工智能(ArtificialIntelligence，AI)模型对历史雷达云图进行未来时间段雷达云图的预测，模型并不能准确提取出历史雷达云图的特征，使得预测效果并不明显，雷达云图预测的准确性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提升预测准确性的雷达云图的预测方法、装置、计算机设备和存储介质。一种雷达云图的预测方法，所述方法包括：获取历史雷达云图序列以及高斯拟合图序列，高斯拟合图序列基于历史雷达云图序列生成；基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列；对历史图片对序列进行预测处理，得到未来时间段的预测数据；对预测数据进行反向处理，得到未来时间段的预测雷达云图序列。在其中一个实施例中，对历史图片对序列进行预测处理，得到未来时间段的预测数据，包括：对历史图片对序列中各历史图片对之间的图片变化时序特征进行提取，得到对应历史图片对序列的图片变化时序特征；基于图片变化时序特征，预测未来时间段的未来图片变化时序特征，以得到预测数据。在其中一个实施例中，对历史图片对序列进行预测处理，得到未来时间段的预测数据，包括：对历史图片对序列进行映射处理，得到对应历史图片对序列的多维历史数据；对多维历史数据进行分析预测，得到多维预测数据，以多维预测数据作为预测数据。在其中一个实施例中，对预测数据进行反向处理，得到未来时间段的预测雷达云图序列，包括：根据预测数据，通过第一生成器对预测数据进行筛选以及反向处理，生成预测雷达云图序列，并通过第一鉴别器鉴别后输出。在其中一个实施例中，上述方法还包括：根据预测数据，通过第二生成器对预测数据进行筛选以及反向处理，生成预测高斯拟合图序列，并通过第二鉴别器鉴别后输出。在其中一个实施例中，对历史图片对序列进行预测处理之前，还包括：对历史图片对序列中的各历史图片对进行图片尺寸的缩小或放大处理，得到与预设尺寸一致的历史图片对序列。在其中一个实施例中，基于历史雷达云图序列生成高斯拟合图序列，包括：获取历史雷达云图序列，并通过预设方式将历史雷达云图序列中的各历史雷达云图转换为散点图；通过高斯拟合混合模型对各散点图进行拟合处理，得到对应历史雷达云图序列的高斯拟合图序列。一种雷达云图的预测装置，装置包括：获取模块，用于获取历史雷达云图序列以及高斯拟合图序列，高斯拟合图序列基于历史雷达云图序列生成；图片对序列生成模块，用于基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列；预测模块，用于对历史图片对序列进行预测处理，得到未来时间段的预测数据；第一反向处理模块，用于对预测数据进行反向处理，得到未来时间段的预测雷达云图序列。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。上述雷达云图的预测方法、装置、计算机设备和存储介质，通过获取历史雷达云图序列以及高斯拟合图序列，高斯拟合图序列基于历史雷达云图序列生成，然后基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列，并对历史图片对序列进行预测处理，得到未来时间段的预测数据，进一步对预测数据进行反向处理，得到未来时间段的预测雷达云图序列。从而，历史图片对序列中包含历史雷达云图序列以及基于历史雷达云图序列所生成高斯拟合图序列，使得用于预测的历史图片对序列包含了原始数据的所有信息，保障了数据的完整性，并且，由于高斯拟合图序列是基于历史雷达云图序列生成，高斯拟合图序列中去除了历史雷达云图中的无用信息，可以使得用于预测的数据更具针对性，可以提升预测的准确性，进而可以提升生成的预测雷达云图序列的准确性。附图说明图1为一个实施例中雷达云图的预测方法的流程示意图；图2为一个实施例中雷达云图的示意图；图3为一个实施例中高斯拟合图的示意图；图4为另一个实施例中雷达云图的预测方法的流程示意图；图5为一个实施例中预测网络的结构示意图；图6为一个实施例中雷达云图的预测装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的雷达云图的预测方法运行于服务器中。其中，服务器基于获取的历史时间段的雷达云图序列以及高斯拟合图序列，进行未来时间段雷达云图序列的预测。具体的，服务器获取历史雷达云图序列以及高斯拟合图序列，其中，高斯拟合图序列基于历史雷达云图序列生成，然后服务器基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列，进一步，服务器通过对历史图片对序列进行预测处理，得到未来时间段的预测数据，并对预测数据进行反向处理，得到未来时间段的预测雷达云图序列。在本实施例中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图1所示，提供了一种雷达云图的预测方法，可以包括以下步骤：步骤S102，获取历史雷达云图序列以及高斯拟合图序列，高斯拟合图序列基于历史雷达云图序列生成。其中，历史雷达云图序列包括多个时间点的历史雷达云图，历史雷达云图序列可以表示为(C1，C2，…，Cn)。雷达云图又称雷达回波图，是由气象雷达发射微波信号探测到的天气信息，再在雷达显示器上呈现的回波图片。参考图2，雷达回波图可以是彩色图片，也可以是灰度图片。具体地，雷达回波图的存储是基于矩阵的，雷达回波图的数据矩阵，也可以称为像素点矩阵。若雷达回波图为彩色图片，则雷达回波图的数据矩阵为三维数据矩阵；若雷达回波图为灰度图片，则雷达回波图的数据矩阵为单通道矩阵。高斯拟合图序列包括多个时间点的高斯拟合图，高斯拟合图序列可以表示为(G1，G2，…，Gn)。其中，高斯拟合图序列中各高斯拟合图分别与历史雷达云图序列中各历史雷达云图对应。高斯拟合图是指基于历史雷达云图生成的图片，高斯拟合图中呈现了降水云系的位置变化以及范围变化等信息，高斯拟合图参考图3所示。步骤S104，基于获取的历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列。其中，历史图片本文档来自技高网...

【技术保护点】
1.一种雷达云图的预测方法，所述方法包括：/n获取历史雷达云图序列以及高斯拟合图序列，所述高斯拟合图序列基于所述历史雷达云图序列生成；/n基于获取的所述历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列；/n对所述历史图片对序列进行预测处理，得到未来时间段的预测数据；/n对所述预测数据进行反向处理，得到未来时间段的预测雷达云图序列。/n

【技术特征摘要】
1.一种雷达云图的预测方法，所述方法包括：
获取历史雷达云图序列以及高斯拟合图序列，所述高斯拟合图序列基于所述历史雷达云图序列生成；
基于获取的所述历史雷达云图序列以及高斯拟合图序列，生成对应的历史图片对序列；
对所述历史图片对序列进行预测处理，得到未来时间段的预测数据；
对所述预测数据进行反向处理，得到未来时间段的预测雷达云图序列。


2.根据权利要求1所述的方法，其特征在于，所述对所述历史图片对序列进行预测处理，得到未来时间段的预测数据，包括：
对所述历史图片对序列中各历史图片对之间的图片变化时序特征进行提取，得到对应所述历史图片对序列的图片变化时序特征；
基于所述图片变化时序特征，预测未来时间段的未来图片变化时序特征，以得到所述预测数据。


3.根据权利要求1所述的方法，其特征在于，所述对所述历史图片对序列进行预测处理，得到未来时间段的预测数据，包括：
对所述历史图片对序列进行映射处理，得到对应所述历史图片对序列的多维历史数据；
对所述多维历史数据进行分析预测，得到多维预测数据，以所述多维预测数据作为所述预测数据。


4.根据权利要求1所述的方法，其特征在于，所述对所述预测数据进行反向处理，得到未来时间段的预测雷达云图序列，包括：
根据所述预测数据，通过第一生成器对所述预测数据进行筛选以及反向处理，生成预测雷达云图序列，并通过第一鉴别器鉴别后输出。


5.根据权利要求1所述的方法，其特征在于，还包括：
根据所述预测数据，通过第二生成器对所述预测数据进行筛...

【专利技术属性】
技术研发人员：周康明，姚广，
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