一种基于改进的神经网络模型的降雨预测方法及系统技术方案

本申请提出了一种基于改进的神经网络模型的降雨预测方法及系统，涉及机器学习及防洪领域。一种基于改进的神经网络模型的降雨预测方法包括：获取目标区域在不同采集时刻的雷达回波数据、降雨量、水文站的流量及水位；对目标区域在不同采集时刻的雷达回波数据进行预处理，得到雷达回波图序列；构建基于雷达回波的神经网络模型，将雷达回波数据、降雨量、水文站的流量及水位作为神经网络模型的输入，并且将该神经网络模型的输出作为针对该目标区域未来时间段内的降雨量预测值。能够得到与实际降雨情况相符的准确性高的预测结果。此外本申请还提出了一种基于改进的神经网络模型的降雨预测系统，包括：数据采集模块、预处理模块及预测模块。测模块。测模块。

【技术实现步骤摘要】
一种基于改进的神经网络模型的降雨预测方法及系统


[0001]本申请涉及机器学习及防洪领域，具体而言，涉及一种基于改进的神经网络模型的降雨预测方法及系统。

技术介绍

[0002]有效地预测洪水流量并及时发出预警对于防洪减灾具有重大意义。
[0003]当前的基于神经网络的水流量预测模型主要分为传统物理模型和智能洪水预测模型。传统物理模型例如新安江模型，其是在充分挖掘当地的地形地貌、蒸发量、植被覆盖率等物理特征的前提下，进行物理过程的参数计算，最终制定出的一套具有区域针对性的预测模型。而智能洪水预测模型是以海量的历史数据作为先验知识，利用机器学习等智能方法得到的从输入特征到输出特征的函数映射或者联合分布。

技术实现思路

[0004]本申请的目的在于提供一种基于改进的神经网络模型的降雨预测方法，其能够得到与实际降雨情况相符的准确性高的预测结果。
[0005]本申请的另一目的在于提供一种基于改进的神经网络模型的降雨预测系统，其能够运行一种基于改进的神经网络模型的降雨预测方法。
[0006]本申请的实施例是这样实现的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进的神经网络模型的降雨预测方法，其特征在于，包括：获取目标区域在不同采集时刻的雷达回波数据、降雨量、水文站的流量及水位；对目标区域在不同采集时刻的雷达回波数据进行预处理，得到雷达回波图序列；构建基于雷达回波的神经网络模型，将雷达回波数据、降雨量、水文站的流量及水位作为神经网络模型的输入，并且将该神经网络模型的输出作为针对该目标区域未来时间段内的降雨量预测值。2.如权利要求1所述的一种基于改进的神经网络模型的降雨预测方法，其特征在于，所述获取目标区域在不同采集时刻的雷达回波数据、降雨量、水文站的流量及水位包括：获取目标区域的至少一个水文站点的历史任一年份中各小时降雨数据，及位于目标区域的流域的出口断面处的至少一个水文站点的历史任一年份各小时流量数据。3.如权利要求1所述的一种基于改进的神经网络模型的降雨预测方法，其特征在于，所述对目标区域在不同采集时刻的雷达回波数据进行预处理，得到雷达回波图序列包括：将目标区域对应的三维空间中不同采集时刻的雷达回波映射到二维地理空间，二维空间中的每一点值取为在第三维度上的最大值，把二维雷达回波图按时间排序处理，得到雷达回波图序列。4.如权利要求3所述的一种基于改进的神经网络模型的降雨预测方法，其特征在于，还包括：对目标区域在不同采集时刻的雷达回波数据通过线性变换处理成灰度图，然后对所得灰度图做滤波处理，将滤波处理后的灰度图作为需要进行归一化处理的雷达回波数据。5.如权利要求1所述的一种基于改进的神经网络模型的降雨预测方法，其特征在于，所述构建基于雷达回波的神经网络模型，将雷达回波数据、降雨量、水文站的流量及水位作为神经网络模型的输入，并且将该神经网络模型的输出作...

【专利技术属性】
技术研发人员：雷声，杨培生，许小华，王小笑，付佳伟，
申请(专利权)人：江西省水利科学院，
类型：发明
国别省市：