一种基于小型注意力机制的卷积网络的短期降水预测方法及其应用技术

本发明专利技术公开了一种基于小型注意力机制的卷积网络的短期降水预测方法。包括以下步骤：步骤1、获取往年的雷达降水图数据并进行数据处理与数据增强，作为模型的输入数据；步骤2、构建并训练所述小型注意力机制的卷积网络模型，所述基于小型注意力机制的卷积网络模型设计为4层卷积网络；步骤3、将处理完的雷达降水图输入到基于小型注意力机制的卷积网络模型之中，得到对应的预测结果；步骤4、分析输入数据与预测数据之间的误差，计算误差指标与正确率指标，根据输入数据与预测数据分析模型性能，计算性能指标。该方法实现了对雷达降水图特征的高效提取与识别，有助于提高降水预测任务中降水空间分布预测的清晰度、降水强度预测的准确度。

【技术实现步骤摘要】

本专利技术设计气象领域中的降水预测与深度学习，具体指一种基于小型注意力机制的卷积网络的短期降水预测方法及其应用。

技术介绍

1、降水预测在气象学研究中扮演者关键的角色，对农业、水资源管理、防灾减灾等多个领域具有至关重要的意义。对短时间尺度下的降水进行精准的预测，可以显著的提高防灾减灾能力，降低洪涝灾害所造成的损失。

2、目前，降水预测的主要方式仍然是数值天气预报模型(nwp),其在生成未来数小时、数天、甚至数周的降水预测任务中发挥着重要作用。但其涉及到求解一系列大气物理量构成的偏微分方程，复杂的数学建模和计算过程使得每次预报所需时间较长，不太适用于0-3小时内的短时间尺度降水预报。近年来，随着人工智能技术的快速发展，基于人工神经网络进行短时降水预报已成为补充传统数值天气预报模型的主流方式。与依赖模型驱动的传统数值天气预报方式不同，人工神经网络仅需要分析、学习相关历史气象资料(风速、降水量、云量等)便可完成端到端的降雨预报，简化了预报过程。

3、然而，目前的传统方法以使用cnn模型为主，对于降水团的空间分布以及强度预测精度不高。本专利本文档来自技高网...

【技术保护点】

1.一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述数据预处理的方法为：将原本为765x760尺寸大小的降水图中心裁剪至256x256大小尺寸，并按30张图像为一个序列分割原始数据集。

3.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述步骤1中，通过旋转图像、添加随机强度的高斯噪声进行数据增强。

4.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述小...

【技术特征摘要】

1.一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述数据预处理的方法为：将原本为765x760尺寸大小的降水图中心裁剪至256x256大小尺寸，并按30张图像为一个序列分割原始数据集。

3.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述步骤1中，通过旋转图像、添加随机强度的高斯噪声进行数据增强。

4.根据权利要求1所述的一种基于小型注意力机制的卷积网络的短期降水预测方法，其特征在于，所述小型注意力机制的卷积网络模型设置有4层的卷积网络。

5.根据权利要求1所述的一种基于小型注意力机...

【专利技术属性】
技术研发人员：张海平，毛宇涛，管力明，施月玲，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：