一种基于交互想定和深度学习生成虚拟云图的方法和系统技术方案

本发明专利技术公开了一种基于交互想定和深度学习生成虚拟云图的方法和系统，该方法包括：根据历史天气现象观测数据，构建训练数据集；根据所述训练数据集，构建基于深度生成对抗网络的虚拟云图生成模型并训练，得到训练后的虚拟云图生成模型；基于人机交互方式，设制想定天气场景；将带天气现象标识的定制云量产品作为所述训练后的虚拟云图生成模型的输入，重构想定天气场景下的虚拟卫星云图并作为结果输出。通过本发明专利技术实现了基于交互想定和深度学习生成虚拟云图的目的。成虚拟云图的目的。成虚拟云图的目的。

【技术实现步骤摘要】
一种基于交互想定和深度学习生成虚拟云图的方法和系统


[0001]本专利技术属于气象
，尤其涉及一种基于交互想定和深度学习生成虚拟云图的方法和系统。

技术介绍

[0002]随着卫星遥感技术的快速发展，卫星云图在天气分析和预报中的作用日益增大，利用卫星云图可以分析不同尺度云系结构及其活动规律，而且云图数据直观性强，易于理解，是气象预报员分析天气现象的重要资料。在气象专业人员以及气象信息使用人员对天气过程的推演中，需要根据事先想定的气象场景生成对应的虚拟气象信息。以往由于缺乏技术手段，仅能以抽象符号标注方式标明想定的虚拟气象信息，这种抽象标注的气象信息既缺乏直观性，也不能将想定信息直接用于气象预报员的训练或用作气象相关信息系统的输入数据。因此，根据想定的气象场景通过人机交互操作获取具有较高仿真度的气象资料是一项具有较大实用意义的工作。
[0003]在气象专业人员以及气象信息使用人员对天气过程的推演中，需要根据事先想定的气象场景生成对应的虚拟气象信息。由于缺乏技术手段，仅能以抽象符号标注方式标明想定的虚拟气象信息，这种抽象标注的气象信息既缺乏直观性，也不能将想定信息直接用于气象预报员的训练或用作气象相关信息系统的输入数据。

技术实现思路

[0004]本专利技术的技术解决问题：克服现有技术的不足，提供一种基于交互想定和深度学习生成虚拟云图的方法和系统，旨在克服现有天气想定推演标注方法的不足。
[0005]为了解决上述技术问题，本专利技术公开了一种基于交互想定和深度学习生成虚拟云图的方法，包括：
[0006]根据历史天气现象观测数据，构建训练数据集；
[0007]根据所述训练数据集，构建基于深度生成对抗网络的虚拟云图生成模型并训练，得到训练后的虚拟云图生成模型；
[0008]基于人机交互方式，设制想定天气场景；
[0009]将带天气现象标识的定制云量产品作为所述训练后的虚拟云图生成模型的输入，重构想定天气场景下的虚拟卫星云图并作为结果输出。
[0010]在上述基于交互想定和深度学习生成虚拟云图的方法中，根据历史天气现象观测数据，构建训练数据集，包括：
[0011]获取历史天气现象观测数据；
[0012]对历史天气现象观测数据进行整理分析，确定历史天气现象的类型、位置和范围，并在对应云量产品上使用色块或天气现象样例进行标识；同时，收集整理对应时次、区域的真实卫星云图；
[0013]基于历史天气现象的类型、位置和范围在对应云量产品上的标识结果和收集整理
的对应时次、区域的真实卫星云图，构建得到训练数据集。
[0014]在上述基于交互想定和深度学习生成虚拟云图的方法中，基于人机交互方式，设制想定天气场景，包括：
[0015]以人机交互方式在基础卫星云图对应的云量产品上进行定制修改，并在对应云量产品上使用色块或天气现象样例进行标识，完成想定天气场景的设制。
[0016]在上述基于交互想定和深度学习生成虚拟云图的方法中，云量产品指特定区域云的分布情况，反映云的多少；天气现象的类型包括：台风、雷暴、强降水、冰雹和大雾。
[0017]在上述基于交互想定和深度学习生成虚拟云图的方法中，色块的颜色用于表征天气现象的强度特征，色块的位置用于表征天气现象的影响范围；天气现象样例的轮廓图用于表征天气现象的强度特征及影响范围。
[0018]在上述基于交互想定和深度学习生成虚拟云图的方法中，卫星云图为与云量产品同区域范围的气象卫星特定可见光通道数据、水汽通道数据、红外通道数据或多个通道数据的组合。
[0019]在上述基于交互想定和深度学习生成虚拟云图的方法中，基于深度生成对抗网络的虚拟云图生成模型包括：生成网络G和辨别网络D；其中，生成网络G由编码
‑
解码器网络作为主干网络构成，辨别网络D由多个卷积神经网络层组成二分类网络作为主干网络构成。
[0020]在上述基于交互想定和深度学习生成虚拟云图的方法中，在对建基于深度生成对抗网络的虚拟云图生成模型进行训练时，有：
[0021]根据训练数据集，确定历史天气现象的类型、位置和范围在对应云量产品上的标识结果和对应时次、区域的真实卫星云图；
[0022]将历史天气现象的类型、位置和范围在对应云量产品上的标识结果和对应时次、区域的真实卫星云图作为生成网络G的输入；
[0023]将历史天气现象的类型、位置和范围在对应云量产品上的标识结果、对应时次、区域的真实卫星云图和由生成网络G生成的虚拟卫星云图作为辨别网络D的输入；
[0024]进行迭代训练，得到训练后的虚拟云图生成模型。
[0025]在上述基于交互想定和深度学习生成虚拟云图的方法中，迭代训练的过程如下：
[0026]向辨别网络D批量输入历史天气现象的类型、位置和范围在对应云量产品上的标识结果、对应时次、区域的真实卫星云图和由生成网络G生成的虚拟卫星云图，利用辨别网络损失函数L_D通过反向传播的方式更新辨别网络D的参数；
[0027]冻结辨别网络D的参数；
[0028]向生成网络G批量输入历史天气现象的类型、位置和范围在对应云量产品上的标识结果和对应时次、区域的真实卫星云图，利用生成网络损失函数L_G通过反向传播的方式更新生成网络G的参数；
[0029]重复上述过程直至生成网络G和辨别网络D的能力达到平衡，获取运行时虚拟云图生成模型的参数，继而得到训练后的虚拟云图生成模型。
[0030]相应的，本专利技术还公开了一种基于交互想定和深度学习生成虚拟云图的系统，包括：
[0031]训练数据集构建模块，用于根据历史天气现象观测数据，构建训练数据集；
[0032]模型构建模块，用于根据所述训练数据集，构建基于深度生成对抗网络的虚拟云
图生成模型并训练，得到训练后的虚拟云图生成模型；
[0033]设制模块，用于基于人机交互方式，设制想定天气场景；
[0034]生成模块，用于将带天气现象标识的定制云量产品作为所述训练后的虚拟云图生成模型的输入，重构想定天气场景下的虚拟卫星云图并作为结果输出。
[0035]本专利技术具有以下优点：
[0036]本专利技术通过交互想定和深度学习生成具有较高仿真度虚拟卫星云图产品，从而支持对专业气象预报员的云图识别训练、基于云图的气象场景预设推演以及气象相关信息系统的仿真云图数据输入，克服了现有天气想定推演标注方法的不足，可以作为生成多种虚拟气象数据的基础和前置方法。
附图说明
[0037]图1是本专利技术实施例中一种基于交互想定和深度学习生成虚拟云图的方法的步骤流程图；
[0038]图2是本专利技术实施例中一种基于交互想定和深度学习生成虚拟卫星云图生成对抗网络模型VCloudGAN架构示意图；
[0039]图3是本专利技术实施例中一种可见光仿真卫星云图与实际云图产品的效果对比示意图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚，下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于交互想定和深度学习生成虚拟云图的方法，其特征在于，包括：根据历史天气现象观测数据，构建训练数据集；根据所述训练数据集，构建基于深度生成对抗网络的虚拟云图生成模型并训练，得到训练后的虚拟云图生成模型；基于人机交互方式，设制想定天气场景；将带天气现象标识的定制云量产品作为所述训练后的虚拟云图生成模型的输入，重构想定天气场景下的虚拟卫星云图并作为结果输出。2.根据权利要求1所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，根据历史天气现象观测数据，构建训练数据集，包括：获取历史天气现象观测数据；对历史天气现象观测数据进行整理分析，确定历史天气现象的类型、位置和范围，并在对应云量产品上使用色块或天气现象样例进行标识；同时，收集整理对应时次、区域的真实卫星云图；基于历史天气现象的类型、位置和范围在对应云量产品上的标识结果和收集整理的对应时次、区域的真实卫星云图，构建得到训练数据集。3.根据权利要求1所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，基于人机交互方式，设制想定天气场景，包括：以人机交互方式在基础卫星云图对应的云量产品上进行定制修改，并在对应云量产品上使用色块或天气现象样例进行标识，完成想定天气场景的设制。4.根据权利要求2或3所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，云量产品指特定区域云的分布情况，反映云的多少；天气现象的类型包括：台风、雷暴、强降水、冰雹和大雾。5.根据权利要求2或3所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，色块的颜色用于表征天气现象的强度特征，色块的位置用于表征天气现象的影响范围；天气现象样例的轮廓图用于表征天气现象的强度特征及影响范围。6.根据权利要求2或3所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，卫星云图为与云量产品同区域范围的气象卫星特定可见光通道数据、水汽通道数据、红外通道数据或多个通道数据的组合。7.根据权利要求1所述的基于交互想定和深度学习生成虚拟云图的方法，其特征在于，基于深度生成对抗网络的虚拟云图生成模型包括：生成网络G和辨...

【专利技术属性】
技术研发人员：程文聪，黄芳，何红红，张文军，王志刚，
申请(专利权)人：中国人民解放军九三二一三部队，
类型：发明
国别省市：