气象要素的预测方法及设备技术

本申请提供了一种气象要素的预测方法及设备，能够根据不同时间在多个区域采集的气象要素信息生成气象要素的待预测图像序列，再将待预测图像序列输入预先构建的气象要素预测模型，获得该待预测图像序列对应的预测图像，再根据该预测图像确定气象要素的预测信息，从而通过物理过程和深度学习技术的结合实现了未来多个区域的气象要素预测，能够降低气象要素预测的计算复杂性，提高气象要素预测的实时性，同时还提高了气象要素预测的准确性。

Forecast method and equipment of meteorological elements

【技术实现步骤摘要】
气象要素的预测方法及设备
本申请涉及天气预报领域，尤其涉及一种气象要素的预测方法及设备。
技术介绍
气象要素(如温度、湿度、风速等)对工业、农业和人们的日常生活有非常重要的影响，因此，气象要素的预测在各行各业有广泛的使用需求。然而，现有的气象要素预测方法主要为数值计算方法，需要在高性能计算平台上进行海量公式的数值求解，计算量非常大而且计算时间长，气象预报的实时性难以得到保障。其它的气象预报方法如通过传统的贝叶斯网络进行气象预报等，这些现有的气象要素预测方法都不同程度地存在气象要素预测准确性不高的问题，难以满足气象要素预测的需求。
技术实现思路
本申请的一个目的是提供一种气象要素的预测方法及设备，用于解决现有技术下气象要素预测不准确及计算复杂度高的问题。为实现上述目的，本申请提供了一种气象要素的预测方法，其中，该方法包括：构建气象要素预测模型，其中，所述气象要素预测模型根据气象要素的图像序列确定所述气象要素的向量场图像，并根据所述向量场图像对所述气象要素的图像序列中的预设图像进行形变以获取所述气象要素对本文档来自技高网...

【技术保护点】
1.一种气象要素的预测方法，其中，该方法包括：/n构建气象要素预测模型，其中，所述气象要素预测模型根据气象要素的图像序列确定所述气象要素的向量场图像，并根据所述向量场图像对所述气象要素的图像序列中的预设图像进行形变以获取所述气象要素对应的预测图像；/n将所述气象要素的待预测图像序列输入所述气象要素预测模型，获取所述待预测图像序列对应的预测图像；/n根据所述待预测图像序列对应的预测图像，确定所述气象要素的预测信息。/n

【技术特征摘要】
1.一种气象要素的预测方法，其中，该方法包括：
构建气象要素预测模型，其中，所述气象要素预测模型根据气象要素的图像序列确定所述气象要素的向量场图像，并根据所述向量场图像对所述气象要素的图像序列中的预设图像进行形变以获取所述气象要素对应的预测图像；
将所述气象要素的待预测图像序列输入所述气象要素预测模型，获取所述待预测图像序列对应的预测图像；
根据所述待预测图像序列对应的预测图像，确定所述气象要素的预测信息。


2.根据权利要求1所述的方法，其中，构建气象要素预测模型，包括：
获取所述气象要素的图像序列；
将所述图像序列输入深度神经网络，确定所述图像序列对应的向量场图像，其中，所述深度神经网络使用编码-解码结构进行构建；
根据所述向量场图像对所述图像序列中的预设图像进行形变，获取所述气象要素对应的预测图像；
将所述气象要素对应的预测图像和与其对应的真实图像进行比对，根据图像差异调整所述深度神经网络的参数；
满足预先设定的训练终止条件后，将所述深度神经网络的当前参数作为所述气象要素预测模型的参数。


3.根据权利要求2所述的方法，其中，所述深度神经网络使用编码-解码结构进行构建，包括：
使用卷积作为编码结构、使用反卷积作为解码结构，构建卷积神经网络。


4.根据权利要求3所述的方法，其中，所述卷积神经网络中使用了跳跃连接。


5.根据权利要求2所述的方法，其中，获取所述气象要素的图像序列，包括...

【专利技术属性】
技术研发人员：周康明，郜杰，
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