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，并基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列；根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图；对各云系在未来时间段内的各预设时间点的高斯拟合预测图进行叠加处理，得到未来时间段内的雷达云预测图序列。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，提供一种能够提升雷达云图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，并基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列；根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图；对各云系在未来时间段内的各预设时间点的高斯拟合预测图进行叠加处理，得到未来时间段内的雷达云预测图序列。在其中一个实施例中，根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预测时间点的高斯拟合预测图，包括：根据各云系的高斯拟合图序列，得到各云系的状态变化向量；基于各云系的状态变化向量，预测各云系在未来时间段内各预设时间点的状态变化向量，得到各云系在未来时间段内各预设时间点的状态变化预测向量；分别对各云系在未来时间段内的各预设时间点的状态变化预测向量进行反向处理，得到各云系在未来时间段内各预设时间点的高斯拟合预测图。在其中一个实施例中，基于各云系的状态变化向量，预测各云系在未来时间段内各预设时间点的状态变化向量，得到各云系在未来时间段内各预设时间点的状态变化预测向量，包括：将各云系的状态变化向量作为各云系当前预设时间点的状态变化向量，并分别对各云系当前预设时间点的下一预设时间点的状态变化向量进行预测，得到各云系在下一预设时间点的状态变化预测向量；将各云系在下一预设时间点的状态变化预测向量作为当前预设时间点的状态变化向量，并继续进行预测，得到各云系在未来时间段内各预设时间点的状态变化预测向量。在其中一个实施例中，对各云系当前预设时间点的下一预设时间点的状态变化向量进行预测，得到各云系在下一预设时间点的状态变化预测向量，包括：根据云系在空间位置上相邻的相邻云系在当前预设时间点的状态变化向量以及云系在当前预设时间点的状态变化向量，对云系在当前预设时间点的下一预设时间点的状态变化预测向量进行预测，得到云系在下一预设时间点的状态变换预测向量；遍历各云系，得到各云系在当前预设时间点的下一预设时间点的状态变化预测向量。在其中一个实施例中，根据各云系的高斯拟合图序列，得到各云系的状态变化向量，包括：分别对高斯拟合图序列中的各云系对应的高斯拟合图进行状态向量的提取，得到各云系的状态变化向量。在其中一个实施例中，基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列，包括：通过高斯混合模型对历史雷达云图序列进行拟合处理，得到历史雷达云图序列中多个云系的高斯拟合图序列；根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图，包括：基于各云系的高斯拟合图序列，通过预测模型获取各云系在未来时间段内各预设时间点的高斯拟合预测图。在其中一个实施例中，基于各云系的高斯拟合图序列，通过预测模型获取各云系在未来时间段内各预设时间点的高斯拟合预测图，包括：通过预处理网络对高斯拟合图序列中各云系的各高斯拟合图分别进行初始特征的提取，得到各云系的各初始特征；根据各云系的各初始特征，通过预测模型获取各云系在未来时间段内各预设时间点的高斯拟合预测图。一种雷达云图的预测装置，所述装置包括：高斯拟合图序列生成模块，用于获取历史雷达云图序列，并基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列；预测模块，用于根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图；雷达云预测图序列生成模块，用于对各云系在未来时间段内的各预设时间点的高斯拟合预测图进行叠加处理，得到未来时间段内的雷达云预测图序列。一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述任一项方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项的方法的步骤。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，并得到历史雷达云图序列中多个云系的高斯拟合图序列，进一步根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图，然后对各云系在未来时间段内的各预设时间点的高斯拟合预测图进行叠加处理，得到未来时间段内的雷达云预测图序列。从而，预测操作是基于对历史雷达云图序列中多个云系的高斯拟合图序列进行的，可以准确对各云系进行预测，可以提升预测的高斯拟合图的准确性，进而可以提升雷达云图预测的准确性。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为又一个实施例中雷达云图的预测方法的流程示意图；图6为一个实施例中高斯拟合图生成步骤的示意图；图7为一个实施例中雷达云图的预测装置的结构框图；图8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，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，并基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列，然后服务器根据各云系的高斯拟合图序列，获取各云系在未来时间段内各预设时间点的高斯拟合预测图，进一步，服务器通过对各云系在未来时间段内的各预设时间点的高斯拟合预测图进行叠加处理，得到未来时间段内的雷达云预测图序列。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，并基于历史雷达云图序列得到历史雷达云图序列中多个云系的高斯拟合图序列。其中，历史雷达云图序列包括多个时间序列的历史雷达云图本文档来自技高网...

【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，并基于所述历史雷达云图序列得到所述历史雷达云图序列中多个云系的高斯拟合图序列；/n根据各所述云系的高斯拟合图序列，获取各所述云系在未来时间段内各预设时间点的高斯拟合预测图；/n对各所述云系在所述未来时间段内的各所述预设时间点的高斯拟合预测图进行叠加处理，得到所述未来时间段内的雷达云预测图序列。/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，并基于所述历史雷达云图序列得到所述历史雷达云图序列中多个云系的高斯拟合图序列；
根据各所述云系的高斯拟合图序列，获取各所述云系在未来时间段内各预设时间点的高斯拟合预测图；
对各所述云系在所述未来时间段内的各所述预设时间点的高斯拟合预测图进行叠加处理，得到所述未来时间段内的雷达云预测图序列。


2.根据权利要求1所述的方法，其特征在于，所述根据各所述云系的高斯拟合图序列，获取各所述云系在未来时间段内各预测时间点的高斯拟合预测图，包括：
根据各所述云系的高斯拟合图序列，得到各所述云系的状态变化向量；
基于各所述云系的状态变化向量，预测各所述云系在未来时间段内各预设时间点的状态变化向量，得到各所述云系在未来时间段内各所述预设时间点的状态变化预测向量；
分别对各所述云系在未来时间段内的各所述预设时间点的状态变化预测向量进行反向处理，得到各所述云系在未来时间段内各所述预设时间点的高斯拟合预测图。


3.根据权利要求2所述的方法，其特征在于，所述基于各所述云系的状态变化向量，预测各所述云系在未来时间段内各预设时间点的状态变化向量，得到各所述云系在未来时间段内各所述预设时间点的状态变化预测向量，包括：
将各所述云系的状态变化向量作为各所述云系当前预设时间点的状态变化向量，并分别对各所述云系当前预设时间点的下一预设时间点的状态变化向量进行预测，得到各所述云系在所述下一预设时间点的状态变化预测向量；
将各所述云系在所述下一预设时间点的状态变化预测向量作为当前预设时间点的状态变化向量，并继续进行预测，得到各所述云系在未来时间段内各预设时间点的状态变化预测向量。


4.根据权利要求3所述的方法，其特征在于，所述对各所述云系当前预设时间点的下一预设时间点的状态变化向量进行预测，得到各所述云系在所述下一预设时间点的状态变化预测向量，包括：
根据所述云系在空间位置上相邻的相邻云系在当前预设时间点的状态变化向量以及所述云系在当前预设时间点的状态变化向量，对所述云系在当前预设时间点的下一预设时间点的状态变化预测向量进行预测，得到所述云系在所述下一预设时间点的状态变换预测向量；
遍历各所述云系，得到各所述云系在所述当前预...

【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