用于预测降水量的方法技术

本申请实施例提供一种用于预测降水量的方法

【技术实现步骤摘要】
用于预测降水量的方法、装置、存储介质及处理器


[0001]本申请涉及降水预测领域，具体地涉及一种用于预测降水量的方法
、
装置
、
存储介质及处理器
。

技术介绍

[0002]降水预测对农业水资源管理具有重要作用，特别是中长期降水预测，可以为农业人员提供中长期的天气走向
、
降水趋势和降水概率，对农业生产的指导意义非常大
。
目前，常常通过时空注意力和数据融合对降水进行预测，其采用时空注意力提取有价值的降水数据特征，并采用不同大小卷积核实现不同层次上的数据融合，从而对降水进行预测，但该方式难以对不同周期的降水量进行精准预测，预测效率和准确性较低
。

技术实现思路

[0003]本申请实施例的目的是提供一种用于预测降水量的方法
、
装置
、
存储介质及处理器
。
[0004]为了实现上述目的，本申请第一方面提供一种用于预测降水量的方法，包括：
[0005]获取降水训练集，降水训练集包括多个区域的多个周期性降水数据集，每个周期性降水数据集至少包括与每个周期对应的历史降水数据和历史气象数据；
[0006]针对任意一个周期性降水数据集，按照每个预设时间尺度分别对周期性降水数据集中的历史降水数据和历史气象数据进行小波变换，以分别得到历史降水数据和历史气象数据在每个预设时间尺度下的第一降水分量集和第二降水分量集；
[0007]基于
PI
算法确定历史降水数据在每个预设时间尺度下的第一降水分量集所对应的多个目标降水分量；
[0008]针对任意一个预设时间尺度，将预设时间尺度下每个目标降水分量以及第二降水分量集中与目标降水分量对应的第二降水分量输入至对应的降水分量预测模型，以得到对应的目标降水分量预测模型，其中，降水分量预测模型为采用注意力机制模型对长短期记忆模型进行优化后所得的模型；
[0009]通过每个预设时间尺度下的多个目标降水分量预测模型确定待测区域的周期性降水预测量
。
[0010]在本申请实施例中，方法还包括：在周期性降水预测量处于第一降水区间的情况下，确定待测区域在每个周期的降水量均处于水量缺乏状态；在周期性降水预测量处于第二降水区间的情况下，确定待测区域在每个周期的降水量均处于水量充裕状态；其中，第一降水区间的降水上限值小于第二降水区间的降水下限值
。
[0011]在本申请实施例中，方法还包括：在每个周期的降水量均处于水量缺乏状态的情况下，确定待测区域内的待种植作物的作物品种为第一预设品种；在每个周期的降水量均处于水量充裕状态的情况下，确定待测区域内的待种植作物的作物品种为第二预设品种；其中，第一预设品种的耐干旱等级大于第二预设品种的耐干旱等级
。
[0012]在本申请实施例中，方法还包括：在每个周期均处于水量缺乏状态或水量充裕状态的情况下，获取待测区域内的待种植作物在每个生育期的水分需求量；根据水分需求量和周期性降水预测量确定待种植作物在每个生育期的水分调整量；在种植待种植作物之后，按照每个生育期的水分调整量为待种植作物提供水分，以使待种植作物在每个生育期的水分达到的水分需求量
。
[0013]在本申请实施例中，通过每个预设时间尺度下的目标降水分量预测模型确定待测区域的周期性降水预测量包括：通过每个预设时间尺度下的多个目标降水分量预测模型确定待测区域的多个降水预测分量；将全部的降水预测分量的总和确定为周期性降水预测量
。
[0014]在本申请实施例中，将预设时间尺度下每个目标降水分量以及第二降水分量集中与目标降水分量对应的第二降水分量输入至对应的降水分量预测模型，以得到对应的目标降水分量预测模型包括：针对任意一个预设时间尺度，将预设时间尺度下每个目标降水分量以及第二降水分量集中与目标降水分量对应的第二降水分量输入至对应的降水分量预测模型，以对降水分量预测模型进行训练；将训练完成度大于预设完成度的降水分量预测模型确定为目标降水分量预测模型
。
[0015]在本申请实施例中，方法还包括：获取每个周期对应的初始降水数据和初始气象数据；对初始降水数据和初始气象数据进行填充处理，以得到与每个周期对应的历史降水数据和历史气象数据
。
[0016]本申请第二方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行上述的用于预测降水量的方法
。
[0017]本申请第三方面提供一种处理器，被配置成执行上述的用于预测降水量的方法
。
[0018]本申请第四方面提供一种用于预测降水量的装置，包括上述的处理器
。
[0019]通过上述技术方案，按照每个预设时间尺度分别对周期性降水数据集中的历史降水数据和历史气象数据进行小波变换，能够避免降水预测过程中数据模糊及数据丢失，极大地提高降水预测的精度，并基于
PI
算法确定历史降水数据在每个预设时间尺度下的第一降水分量集所对应的多个目标降水分量，能够自适应地为降水分量预测模型提供输入变量，大幅度提高降水预测的效率和准确性，且能够提供每个预设时间尺度下的多个目标降水分量预测模型确定待测区域的周期性降水预测量，能够对不同周期的降水量进行预测
。
[0020]本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明
。
附图说明
[0021]附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制
。
在附图中：
[0022]图1示意性示出了根据本申请实施例的用于预测降水量的方法的流程示意图；
[0023]图2示意性示出了根据本申请另一实施例的用于预测降水量的方法的流程示意图；
[0024]图3示意性示出了根据本申请又一实施例的用于预测降水量的方法的流程示意图；
[0025]图4示意性示出了根据本申请实施例的计算机设备的内部结构图
。
具体实施方式
[0026]为使本申请实施例的目的
、
技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0027]图1示意性示出了根据本申请实施例的用于预测降水量的方法的流程示意图
。
如图1所示，在本申请一实施例中，提供了一种用于预测降水量的方法，包括以下步骤：
[0028]步骤
101
，获取降水训练集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于预测降水量的方法，其特征在于，所述方法包括：获取降水训练集，所述降水训练集包括多个区域的多个周期性降水数据集，每个周期性降水数据集至少包括与每个周期对应的历史降水数据和历史气象数据；针对任意一个周期性降水数据集，按照每个预设时间尺度分别对所述周期性降水数据集中的历史降水数据和历史气象数据进行小波变换，以分别得到所述历史降水数据和所述历史气象数据在每个预设时间尺度下的第一降水分量集和第二降水分量集；基于
PI
算法确定所述历史降水数据在每个预设时间尺度下的第一降水分量集所对应的多个目标降水分量；针对任意一个预设时间尺度，将所述预设时间尺度下每个目标降水分量以及所述第二降水分量集中与所述目标降水分量对应的第二降水分量输入至对应的降水分量预测模型，以得到对应的目标降水分量预测模型，其中，所述降水分量预测模型为采用注意力机制模型对长短期记忆模型进行优化后所得的模型；通过每个预设时间尺度下的多个目标降水分量预测模型确定待测区域的周期性降水预测量
。2.
根据权利要求1所述的用于预测降水量的方法，其特征在于，所述方法还包括：在所述周期性降水预测量处于第一降水区间的情况下，确定所述待测区域在每个周期的降水量均处于水量缺乏状态；在所述周期性降水预测量处于第二降水区间的情况下，确定所述待测区域在每个周期的降水量均处于水量充裕状态；其中，第一降水区间的降水上限值小于所述第二降水区间的降水下限值
。3.
根据权利要求2所述的用于预测降水量的方法，其特征在于，所述方法还包括：在每个周期的降水量均处于所述水量缺乏状态的情况下，确定所述待测区域内的待种植作物的作物品种为第一预设品种；在每个周期的降水量均处于所述水量充裕状态的情况下，确定所述待测区域内的待种植作物的作物品种为第二预设品种；其中，所述第一预设品种的耐干旱等级大于所述第二预设品种的耐干旱等级
。4.
根据权利要求2所述的用于预测降水量的方法，其特征在于，所述方法还包括：在每个周期均处于水量缺乏状态或水量充裕状态的情况下，获取所述...

【专利技术属性】
技术研发人员：刘延志，孙亚洲，任祖光，
申请(专利权)人：中联智慧农业股份有限公司，
类型：发明
国别省市：