一种基于深度学习的闪电短时临近预报方法技术

本发明专利技术适用于闪电短时临近预报技术领域，提供了一种基于深度学习的闪电短时临近预报方法，本发明专利技术采用深度学习的人工智能方法进行的闪电短临预报，区别于传统凭借人工主观经验寻找雷暴相关气象条件相关因子，在方法上是一次很大的突破，利用计算机发现天气变量与闪电之间的关系，在多源数据的时间分辨率方面，以雷达数据为基础，卫星资料作为补充的方式融合进模型当中，在数据融合模块之后，为模型的预报模块用于精准预测到闪电发生位置，再采用binary cross

【技术实现步骤摘要】
一种基于深度学习的闪电短时临近预报方法


[0001]本专利技术属于闪电短时临近预报
，尤其涉及一种基于深度学习的闪电短时临近预报方法。

技术介绍

[0002]闪电是一种通常发生在雷暴天气期间的突然的静电放电现象。这种放电主要发生在云间或云与地面之间，造成较多的财产损失和人员伤亡。提高闪电预报的精度是当前气象工作的重点和难点。利用全球闪电定位网，根据闪电所产生的声、光、电等特性，可以长时间、全天候的获得闪电发生的时间、地点、强度、极性等特征，是开展闪电的研究和预报的基础，同时在灾害性天气的监测预警、人工增雨、森林防火等方面具有参考意义。闪电预报的思路是利用闪电定位资料、历史再分析资料、探空资料等数据，尝试寻找导致闪电发生的影响因子，根据我国不同地区、不同天气条件下的天气背景，对闪电进行预报。
[0003]闪电短时临近预报是闪电灾害预警预报的重要基础，预报效率较高的潜势预报系统，能帮助业务人员提前确定闪电警戒区域，从而将主要精力放在监视和关注重点区域内的气象要素变化。闪电后的雷电可以直接造成人员伤亡，对航空、电力系统、计算机系统以及智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的闪电短时临近预报方法，其特征在于，包括以下步骤：S1：雷达数据处理，通过对雷达资料进行孤立点滤波、填补缺测、去距离折叠模糊、太阳射线杂波过滤算法、自适应参考切面去地物滤波算法和雨回波回填算法等的处理，将多部雷达资料，通过笛卡尔坐标转换、格点化插值、重叠区域拼图处理进行组网，形成监测范围分辨率0.01
°
的组网；S2：闪电密度数据处理，以闪电密度(次数/6min
×
0.2
°×
0.2
°
)作为闪电数据的分析场，从站点出发查找站点附近的最近网格点，赋值到最近的网格点上；S3：卫星数据预处理，选取与对流天气相关的三个红外通道作为模型输入，将卫星数据与天气雷达覆盖范围裁剪对齐，再利用卷积模型处理卫星资料与雷达资料空间分辨率不匹配的问题；S4：在多源数据的时间分辨率方面，以雷达数据为基础，卫星资料作为补充的方式融合进模型当中，生成的闪电预报为逐6分钟的预报结果，并与以往只使用雷达资料的模型进行对比，形成一个完整的需要周期内的数据融合；S5：在数据融合模块之后，为模型的预报模块，所述预报模块用于精准预测到闪电发生位置；S6：在损失函数方面，采用binary cross
‑
entropy作为训练目标得到概率化的闪电预报结果。2.如权利要求1所述的一种基于深度学习的闪电短时临近预报方法，其特征在于：步骤S1中原始S波段雷达观测时间间隔小于6min，分辨率<0.01
°
，探测范围最大460km。3.如权利要求1所述的一种基于深度学习的闪电短时临近预报方法，其特征在于：步骤S2中原始闪电数据观测时间小于1ms，分辨率<0.01
°
，包括闪电的经纬度和强度信息。4.如权利要求1所述的一种基于深度学习...

【专利技术属性】
技术研发人员：王易，康志明，庄潇然，王啸华，蒋雯，焦雪，李杨，蔡凝昊，慕瑞琪，张柳，李泽宇，
申请(专利权)人：江苏省气象台，
类型：发明
国别省市：