一种数据处理方法、设备和存储介质技术

本发明专利技术公开了一种数据处理方法、设备和存储介质。该方法包括：确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布；根据待反演数据块的降水概率分布和每个子类数据集的降水概率分布确定每个子类数据集对应的权重系数；按照待反演数据块所在的子类数据集将待反演数据块输入至对应的目标神经网络模型中，得到对应的降水输出结果；其中，目标网络模型是基于超分辨率模型进行训练得到的模型；根据权重系数和降水输出结果确定对应的实际降水结果。本发明专利技术实施例实现了利用超分辨率模型对单一的原始观测数据对降水过程进行反演，从而在保证降水结果准确性的基础上，大幅度地降低了反演过程的延时。度地降低了反演过程的延时。度地降低了反演过程的延时。

【技术实现步骤摘要】
一种数据处理方法、设备和存储介质


[0001]本专利技术实施例涉及数据处理技术，尤其涉及一种数据处理方法、设备和存储介质。

技术介绍

[0002]现有的降水反演过程通常由数值模式完成,该模式集中使用了气象卫星数据\气象观测站点数据\气象雷达回波数据,能够得到当前较为精确的降水数据.但是,数值模式反演降水的缺陷就是该过程计算时间较长,使得降水结果生成有延时.另外,所采用的数据非常复杂,存在特殊数据难以全面获取的风险.

技术实现思路

[0003]有鉴于此，本专利技术提供一种数据处理方法、设备和存储介质，大幅度地降低了反演过程的延时。
[0004]第一方面，本专利技术实施例提供了一种数据处理方法，包括：
[0005]确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布，其中，所述子类数据集为按照四分位点策略对原始观测数据的平均降水值进行划分得到的数据集；
[0006]根据所述待反演数据块的降水概率分布和每个所述子类数据集的降水概率分布确定每个所述子类数据集对应的权重系数；
[0007]按照所述待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布，其中，所述子类数据集为对原始观测数据的平均降水值进行划分得到的数据集；根据所述待反演数据块的降水概率分布和每个所述子类数据集的降水概率分布确定每个所述子类数据集对应的权重系数；按照所述待反演数据块所在的子类数据集将所述待反演数据块输入至对应的目标神经网络模型中，得到对应的降水输出结果；其中，所述目标网络模型是基于超分辨率模型进行训练得到的模型；根据所述权重系数和所述降水输出结果确定对应的实际降水结果。2.根据权利要求1所述的方法，其特征在于，在所述确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布之前，还包括：通过线性插值方式对原始观测数据进行插值，得到对应的原始降水图片；对所述原始降水图片进行降采样，得到降水输入数据；对所述降水输入数据进行切割处理，得到对应的待反演数据块。3.根据权利要求1所述的方法，其特征在于，在所述确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布之前，还包括：以数值模式获取第一目标区域的格点数据，作为真值；将所述真值转换为第二目标区域的降水图片，作为降水标签；其中，所述第二目标区域包含于所述第一目标区域内；对所述降水标签进行切割处理，得到降水标签块。4.根据权利要求3所述的方法，其特征在于，所述目标神经网络模型的训练过程，包括：按照待反演数据块所在的子类数据集将所述待反演数据块输入至对应的原始神经网络模型，得到降水输出数据块；在所述降水输出数据块和对应的所述降水标签块之间的差值达到预设阈值时，对所述原始神经网络模型进行调整，并返回按照待反演数据块所在的子类数据集将所述待反演数据块输入至对应的原始神经网络模型，得到降水输出数据块的步骤，直至所述降水输出数据块和所述降水标签块之间的差值小于预设阈值为止，得到目标神经网络模型。5.根据权利要求1
‑
4任一所述的方法，其特征在于，所述子类数据集的确定方式，包括：根据预设平均降水统计表中待反演数据块的数目和所述预设平均降水统计表确定对应的四分位阈值，其中，所述预设平均降水统计...

【专利技术属性】
技术研发人员：王伟凯，苏仲岳，闫正，
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：