降水预测方法及相关装置制造方法及图纸

本申请提供了一种降水预测方法及相关装置，方法包括：在预设时间段内随机选取出包括第一时段和第二时段的原始时间段；获取第一雷达回波图像序列和第二雷达回波图像序列；将目标区域划分为第一区域和第二区域；计算出第一区域对应的第一降水数据，第一降水数据的数据来源是多个降水观测站；计算出第二区域对应的第二降水数据；根据第一降水数据和第二降水数据计算出目标降水数据；以第一雷达回波图像序列为输入、目标降水数据为输出，构建目标神经网络模型；通过训练集训练目标神经网络模型；利用训练完成的目标神经网络模型进行降水预测。如此，避免了测量到的平均降水数据与实际降水情况存在误差的情况，提高了模型预测的准确性。确性。确性。

【技术实现步骤摘要】
降水预测方法及相关装置


[0001]本申请属于互联网产业中基于特定计算模型的计算机系统
，具体涉及一种降水预测方法及相关装置。

技术介绍

[0002]目前，降水预测一般是通过训练神经网络模型来预测出未来一段时间内的降水数据，在训练样本的选择上，现有技术是采用降水观测站测量的某区域在某一时间段内的平均降水数据作为真实值进行模型训练的。但是，在实际场景中，部分地区的降水观测站分布并不均匀，存在降水观测站的实际观测范围无法完全覆盖目标区域的情况，此时降水观测站所测量到的平均降水数据与目标区域内的实际降水情况存在误差，进而导致以该平均降水数据作为训练样本进行训练的模型的实际预测值不够准确。

技术实现思路

[0003]本申请提供了一种降水预测方法及相关装置，以期提高模型预测的准确性。
[0004]第一方面，本申请实施例提供了一种降水预测方法，包括：在预设时间段内随机选取出原始时间段，所述原始时间段包括第一时段和第二时段，所述第一时段的起始时刻点为所述原始时间段的起始时刻点，所述第一时段的终止时刻点为目标时刻点，所述第二时段的起始时刻点为所述目标时刻点，所述第二时段的终止时刻点为所述原始时间段的终止时刻点；获取目标区域在所述第一时段内的第一雷达回波图像序列，以及获取所述目标区域在所述第二时段内的第二雷达回波图像序列，所述雷达回波图像序列包括多个连续的雷达回波图像帧；将所述目标区域划分为第一区域和第二区域，所述第一区域是指所述目标区域中被多个降水观测站的实际观测范围所覆盖的区域，所述第二区域是指所述目标区域中除所述第一区域之外的其他区域；计算出所述第一区域对应的第一降水数据，所述第一降水数据的数据来源为所述多个降水观测站；根据所述第二雷达回波图像序列确定出所述第二区域在所述第二时段内的第二降水数据；根据所述第一降水数据和所述第二降水数据确定出所述目标区域在所述第二时段内的目标降水数据；将所述第一雷达回波图像序列作为输入数据、所述目标降水数据作为输出数据，构建目标神经网络模型；通过多个原始时间段对应的多个训练集对所述目标神经网络模型进行训练，得到训练完成的目标神经网络模型，单个训练集包括所述第一雷达回波图像序列和所述目标降水数据；
将所述目标区域在目标样本时段内的雷达回波图像序列输入到所述训练完成的目标神经网络模型，得到所述目标区域在目标预测时段内的降水数据，其中，所述目标样本时段的长度等于所述第一时段的长度、且所述目标样本时段的终止时刻点为当前时刻点，所述目标预测时段的长度等于所述第二时段的长度、且所述目标预测时段的起始时刻点为所述当前时刻点。
[0005]第二方面，本申请实施例提供了一种降水预测装置，包括：选取单元，用于在预设时间段内随机选取出原始时间段，所述原始时间段包括第一时段和第二时段，所述第一时段的起始时刻点为所述原始时间段的起始时刻点，所述第一时段的终止时刻点为目标时刻点，所述第二时段的起始时刻点为所述目标时刻点，所述第二时段的终止时刻点为所述原始时间段的终止时刻点；获取单元，用于获取目标区域在所述第一时段内的第一雷达回波图像序列，以及获取所述目标区域在所述第二时段内的第二雷达回波图像序列，所述雷达回波图像序列包括多个连续的雷达回波图像帧；划分单元，用于将所述目标区域划分为第一区域和第二区域，所述第一区域是指所述目标区域中被多个降水观测站的实际观测范围所覆盖的区域，所述第二区域是指所述目标区域中除所述第一区域之外的其他区域；计算单元，用于计算出所述第一区域对应的第一降水数据，所述第一降水数据的数据来源为所述多个降水观测站；第一确定单元，用于根据所述第二雷达回波图像序列确定出所述第二区域在所述第二时段内的第二降水数据；第二确定单元，用于根据所述第一降水数据和所述第二降水数据确定出所述目标区域在所述第二时段内的目标降水数据；模型构建单元，用于将所述第一雷达回波图像序列作为输入数据、所述目标降水数据作为输出数据，构建目标神经网络模型；模型训练单元，用于通过多个原始时间段对应的多个训练集对所述目标神经网络模型进行训练，得到训练完成的目标神经网络模型，单个训练集包括所述第一雷达回波图像序列和所述目标降水数据；模型应用单元，用于将所述目标区域在目标样本时段内的雷达回波图像序列输入到所述训练完成的目标神经网络模型，得到所述目标区域在目标预测时段内的降水数据，其中，所述目标样本时段的长度等于所述第一时段的长度、且所述目标样本时段的终止时刻点为当前时刻点，所述目标预测时段的长度等于所述第二时段的长度、且所述目标预测时段的起始时刻点为所述当前时刻点。
[0006]第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如本申请实施例第一方面中的步骤的指令。
[0007]第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序/指令，所述计算机程序/指令被处理器执行时实现本申请实施例第一方面中的步骤。
[0008]第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算
机执行如本申请实施例第一方面中所描述的部分或全部步骤。
[0009]可以看出，本申请实施例中，电子设备先在预设时间段内随机选取出原始时间段并将原始时间段分为第一时段和第二时段；然后获取目标区域在第一时段内的第一雷达回波图像序列、以及获取目标区域在第二时段内的第二雷达回波图像序列；再将目标区域划分为被多个降水观测站的实际观测范围所覆盖的第一区域和未被覆盖的第二区域；然后计算出第一区域对应的第一降水数据，第一降水数据的数据来源为多个降水观测站；以及根据第二雷达回波图像序列确定出第二区域在第二时段内的第二降水数据；再根据第一降水数据和第二降水数据确定出目标降水数据；然后以第一雷达回波图像序列作为输入、目标降水数据作为输出，构建目标神经网络模型；再通过多个原始时间段对应的多个训练集对目标神经网络模型进行训练，得到训练完成的目标神经网络模型；最后利用训练完成的目标神经网络模型完成对目标预测时段内的降水数据的预测。如此，避免了由于部分区域的降水观测站分布并不均匀导致降水观测站测量到的平均降水数据与该区域的实际降水情况存在误差的情况，提高了模型预测的准确性。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本申请实施例提供的一种目标区域的示例简图；图2是本申请实施例提供的一种电子设备的结构框图；图3是本申请实施例提供的一种降水预测方法的流程示意图；图4是本申请实施例提供的一种划分原始时间段的示例简图；图5a是本申请实施例提供的一种划分目标区域的示例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种降水预测方法，其特征在于，包括：在预设时间段内随机选取出原始时间段，所述原始时间段包括第一时段和第二时段，所述第一时段的起始时刻点为所述原始时间段的起始时刻点，所述第一时段的终止时刻点为目标时刻点，所述第二时段的起始时刻点为所述目标时刻点，所述第二时段的终止时刻点为所述原始时间段的终止时刻点；获取目标区域在所述第一时段内的第一雷达回波图像序列，以及获取所述目标区域在所述第二时段内的第二雷达回波图像序列，所述雷达回波图像序列包括多个连续的雷达回波图像帧；将所述目标区域划分为第一区域和第二区域，所述第一区域是指所述目标区域中被多个降水观测站的实际观测范围所覆盖的区域，所述第二区域是指所述目标区域中除所述第一区域之外的其他区域；计算出所述第一区域对应的第一降水数据，所述第一降水数据的数据来源为所述多个降水观测站；根据所述第二雷达回波图像序列确定出所述第二区域在所述第二时段内的第二降水数据；根据所述第一降水数据和所述第二降水数据确定出所述目标区域在所述第二时段内的目标降水数据；将所述第一雷达回波图像序列作为输入数据、所述目标降水数据作为输出数据，构建目标神经网络模型；通过多个原始时间段对应的多个训练集对所述目标神经网络模型进行训练，得到训练完成的目标神经网络模型，单个训练集包括所述第一雷达回波图像序列和所述目标降水数据；将所述目标区域在目标样本时段内的雷达回波图像序列输入到所述训练完成的目标神经网络模型，得到所述目标区域在目标预测时段内的降水数据，其中，所述目标样本时段的长度等于所述第一时段的长度、且所述目标样本时段的终止时刻点为当前时刻点，所述目标预测时段的长度等于所述第二时段的长度、且所述目标预测时段的起始时刻点为所述当前时刻点。2.根据权利要求1所述方法，其特征在于，所述将所述目标区域划分为第一区域和第二区域，包括：获取所述多个降水观测站中的每个降水观测站的降水观测范围；从所述多个降水观测站中筛选出多个目标降水观测站，所述目标降水观测站是指降水观测范围所覆盖的区域与所述目标区域存在交集的降水观测站；将所述多个目标降水观测站对应的多个目标降水观测区域取并集，得到所述第一区域，所述目标降水观测区域是指所述目标降水观测站的降水观测范围所覆盖的区域与所述目标区域的交集；根据所述目标区域和所述第一区域确定出所述第二区域。3.根据权利要求2所述方法，其特征在于，所述计算出所述第一区域对应的第一降水数据，包括：获取所述多个目标降水观测站对应的多个平均降水数据；
若所述多个目标降水观测区域之间互不相交，则针对所述多个目标降水观测区域执行如下操作：计算当前处理的目标降水观测区域在所述第一区域中的面积占比；根据所述面积占比确定所述当前处理的目标降水观测区域对应的降水权重；继续处理下一个目标降水观测区域，直至所述多个目标降水观测区域全部处理完成，得到与所述多个目标降水观测区域一一对应的多个降水权重；根据所述多个平均降水数据和所述多个降水权重计算出所述第一区域对应的第一降水数据。4.根据权利要求2所述方法，其特征在于，所述计算出所述第一区域对应的第一降水数据，包括：获取所述多个目标降水观测站对应的多个平均降水数据；若所述多个目标降水观测区域之间存在至少一个相交区域，则针对所述至少一个相交区域执行如下操作：计算当前处理的相交区域在所述第一区域中的第一面积占比；根据所述第一面积占比确定所述当前处理的相交区域对应的第一降水权重；根据产生所述当前处理的相交区域的至少两个目标降水观测站对应的至少两个平均降水数据计算所述当前处理的相交区域对应的第一平均降水数据；继续处理下一个相交区域，直至所述至少一个相交区域全部处理完成；针对所述多个目标降水观测区域执行如下操作：若当前处理的目标降水观测区域中不包含所述相交区域，则计算所述当前处理的目标降水观测区域在所述第一区域中的第二面积占比；根据所述第二面积占比确定所述当前处理的目标降水观测区域对应的第二降水权重；若当前处理的目标降水观测区域中包含所述相交区域，则计算所述当前处理的目标降水观测区域中的参考区域在所述第一区域中的第三面积占比，所述参考区域是指所述当前处理的目标降水观测区域中除所述相交区域以外的其他区域；根据所述第三面积占比计算所述当前处理...

【专利技术属性】
技术研发人员：韩锋，纪运芝，李明龙，吴宁，王舒璐，
申请(专利权)人：深圳市昆特科技有限公司，
类型：发明
国别省市：