一种逐小时降水预测方法及存储介质、电子设备技术

本发明专利技术公开了一种降水预测模型，包括以下步骤：获取标签数据、训练数据集、验证数据集、测试数据集；构建空间自相关模块，将空间自相关模块嵌入模型ConvLSTM中，形成单元A(ConvLSTM‑SAC Unit)，将单元A的普通卷积替换成可变形卷积形成单元B(DConvLSTM‑SAC Unit)，单元A和B交叉堆叠形成降水预测模型的四层内存流框架；将训练数据集、验证数据集、测试数据集先后输入降水预测模型得到最终的降水预测模型。本方案利用可变形卷积处理降水图像能更好地适应降水的不规则空间分布，更好地保持空间特征信息的完整性；空间自相关可以反映降水的聚集性，更好地捕捉降水相似的区域，提高模型降水预测的准确性。

【技术实现步骤摘要】

本专利技术涉及水文气象学、数据分析和机器学习，尤其涉及一种逐小时降水预测方法及存储介质、电子设备。

技术介绍

1、短期降水预测是一个时空预测问题，旨在预测目标区域短时间内(0-6h)的降水量，长期以来一直是天气预测领域的重要课题。在全球变暖的背景下，洪水、干旱、台风、沙尘暴等极端天气现象日益增多。可靠的短期降水预测可为洪水、干旱和泥石流等自然灾害的预警和预防提供有效依据，有利于地区安全和经济发展。

2、目前，降水预测方法一般分为两类：基于天气动力学过程的数值天气预报和利用人工智能(ai)技术的数据驱动降水预测。数值天气预报是目前中国主要的预测方法。然而，天气动力学过程的建模和求解需要复杂地考虑大量物理条件，如气压、温度和风速，并需要大量计算资源。初始条件和参数化方案的不确定性导致短期(0-6小时)降水预测存在相当大的预测偏差和误差。相比之下，数据驱动降水预测在预测精度和逐小时降水预测的运行时间方面，相对于传统数值模型(如metnet模型)能取得更好的性能。数据驱动方法在次季节降水预测(两周到一个季节)方面也显示出比数值天气预测更好的结。以人工智本文档来自技高网...

【技术保护点】

1.一种逐小时降水预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，使用归一化方法对样本数据集和标签数据进行预处理：

3.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，将单元A的普通卷积替换成可变形卷积，可变形卷积的实现过程具体为：

4.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，

5.根据权利要求4所述的一种逐小时降水预测方法，其特征在于，

6.根据权利要求5所述的一种逐小时降水预测方法，其特征在于，将空间自相关模块嵌入模型ConvLSTM中具体为：

...

【技术特征摘要】

1.一种逐小时降水预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，使用归一化方法对样本数据集和标签数据进行预处理：

3.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，将单元a的普通卷积替换成可变形卷积，可变形卷积的实现过程具体为：

4.根据权利要求1所述的一种逐小时降水预测方法，其特征在于，

5.根据权利要求4所述的一种逐小时降水预测方法，其特征在于，

6.根据权利要求5所述的一种逐小时降水预测方法，其特征在于，将空间自相关模块嵌入模型convlstm中...

【专利技术属性】
技术研发人员：许磊，张喜皓，陶雲，陈能成，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：