一种基于雷达资料的非线性短临预报方法、装置及设备与流程

本发明涉及人工智能及数据驱动，具体涉及一种基于雷达资料的非线性短临预报方法、装置及设备。

背景技术：

1、从气象学的角度来看，短临预报通常指12小时以内的短时天气预报，以及2小时以内的临近天气预报，从预报时效上看是最短时间的天气预报。短临强对流天气的特点包含短时性、高强度、突然性等，在局部区域突然出现，迅速发展后快速消失，能造成电力系统设备跳闸、断电、倒塔，甚至造成人员伤亡等事故，造成巨大的经济和社会损失。当前中尺度数值预报模式，能在短期、中期天气预测具有较好的预测结果，而短时强对流过程属于小微尺度天气系统，数值天气预报模式的计算量大，计算资源和时间消耗量大，其应对突发性天气的应对能力较弱，对强对流天气的观测手段主要是依赖气象雷达，通过天气雷达数据，气象工作人员可以观测到对流的系统结构和运动场，从而实现针对雷暴天气的识别。

2、传统基于雷达资料的线性外推的方法预报有效时效短，高准确率的预报时效很难突破30分钟，且雷达外推过程中一般不考虑雷暴云的生消发展过程，存在严重的空报现象。

技术实现思路

1、为了解决现有技术中基于雷达资料的线性外推的方法预报有效时效短，且雷达外推过程中存在严重的空报现象的问题，本发明提出了一种基于雷达资料的非线性短临预报方法，包括：

2、获取待预测时刻之前的历史雷达回波数据，并对所述雷达回波数据进行预处理，得到雷达回波图；

3、将所述雷达回波图代入预先训练好的双通道卷积时序外推模型中，得到雷达外推预测数据；

4、其中，所述预先训练好的双通道卷积时序外推模型是采用深度学习卷积对历史某时刻前的雷达回波图和所述某时刻后的雷达回波图进行学习得到的；

5、所述双通道卷积时序外推模型包括深度学习卷积双通道编码器和解码器。

6、可选地，所述获取待预测时刻之前的历史雷达回波数据，并对所述雷达回波数据进行预处理，得到雷达回波图包括：

7、获取待预测时刻之前预设时段内的雷达回波数据；

8、对所述雷达回波数据进行信息提取，得到雷达回波的覆盖区域的经纬度范围；

9、对所述雷达回波的覆盖区域的经纬度范围按照设定空间分辨率进行裁剪，得到裁剪后的雷达回波图；

10、对所述裁剪后的雷达回波图中的数据进行质量筛选，得到高质量的雷达回波图。

11、可选地，所述对所述雷达回波数据进行信息提取，得到雷达回波的覆盖区域的经纬度范围，包括：

12、从雷达回波数据的文件头中的数据区描述参数计算每个格点的经纬度坐标值；

13、基于文件头中对雷达文件的描述，获取雷达回波的覆盖区域的经纬度范围。

14、可选地，所述对所述雷达回波的覆盖区域的经纬度范围按照设定空间分辨率进行裁剪，得到裁剪后的雷达回波图，包括：

15、基于所述雷达回波的覆盖区域的经纬度范围确定当前临近预报建模的核心区域；

16、以所述核心区域的中心经纬度为中心，以设定空间分辨率进行裁剪，得到裁剪后的雷达回波图。

17、可选地，所述对所述裁剪后的雷达回波图中的数据进行质量筛选，得到高质量的雷达回波图，包括：

18、对于裁剪后的雷达回波图中的雷达回波值满足第一关系式的点作为孤立高值；

19、对于裁剪后的雷达回波图中的雷达回波值满足第二关系式的点作为地物回波点；

20、从裁剪后的雷达回波图中去除孤立高值和地物回波点，得到高质量的雷法回波图。

21、可选地，所述第一关系式如下式所示：

22、

23、式中，m5*5为周边范围内的5×5的网格范围，mi为周边范围内的5×5的网格范围m5*5内的除中心点的任意一点的雷达回波值，px,y为雷达回波图中某一点。

24、可选地，所述第二关系式如下式所示：

25、

26、式中，n3*3为周边范围内的3×3的网格范围，ni为周边范围内的3×3的网格范围n3*3内的任意一点的雷达回波值。

27、可选地，所述双通道卷积时序外推模型的训练包括：

28、获取待测区域的历史雷达回波图；

29、将某一时刻之前的历史雷达回波图和所述某一时刻之后的历史雷达回波图构建样本集；

30、将所述样本集按照设定比例划分为训练集和测试集；

31、将所述某一时刻之前的历史雷达回波图作为输入，某一时刻之后的历史雷达回波图作为输出对双通道卷积时序外推模型进行训练，得到初步训练好的双通道卷积时序外推模型；

32、基于所述测试集对所述初步训练好的双通道卷积时序外推模型进行测试，将通过测试的初步训练好的双通道卷积时序外推模型作为训练好的双通道卷积时序外推模型。

33、可选地，所述基于所述测试集对所述初步训练好的双通道卷积时序外推模型进行测试，将通过测试的初步训练好的双通道卷积时序外推模型作为训练好的双通道卷积时序外推模型，包括：

34、将测试集中某一时刻之前的历史雷达回波图代入初步训练好的双通道卷积时序外推模型中，得到所述某一时刻的雷达外推预测数据；

35、基于所述某一时刻的雷达外推预测数据结合所述测试集中某一时刻之后的历史雷达数据计算评价指标值；

36、基于所述评价指标值是否满足预设阈值，若满足，则通过测试，将所述初步训练好的双通道卷积时序外推模型作为训练好的双通道卷积时序外推模型，否则，未通过测试；

37、其中，所述评价指标值包括：相关性系数、均方根误差，以及图像结构相似度指数。

38、可选地，所述双通道卷积时序外推模型的构建，包括：

39、由提取时间数据的时间子网络，提取空间数据的空间子网络，以及将时间数据和空间数据融合的时空数据融合模块构建编码器，其中，所述时间子网络和空间子网络并行；

40、由编码器以及将高位融合特征解码为预测的未来时空数据的解码器构建双通道卷积时序外推模型。

41、可选地，所述将所述雷达回波图代入预先训练好的双通道卷积时序外推模型中，得到雷达外推预测数据，包括：

42、通过时间子网络和空间子网络从所述处理后的雷达回波数据中提取时间特征和空间特征；

43、通过时空数据融合模块将所述时间特征和空间特征进行融合，得到融合特征；

44、通过解码器将所述融合特征进行解码，将融合特征转化为雷达外推预测数据。

45、再一方面本发明还提供了一种基于雷达资料的非线性短临预报装置，包括：

46、参数处理模块，用于获取待预测时刻之前的历史雷达回波数据，并对所述雷达回波数据进行预处理，得到雷达回波图；

47、预测模块，用于将所述雷达回波图代入预先训练好的双通道卷积时序外推模型中，得到雷达外推预测数据；

48、其中，所述预先训练好的双通道卷积时序外推模型是采用深度学习卷积对历史某时刻前的雷达回波图和所述某时刻后的雷达回波图进行学习得到的；

49、所述双通道卷积时序外推模型包括深度学习卷积双通道编码器和解码器。

50、可选地，所述参数处理模块包括：

51、获取子模块，用于获取待预测时刻之前预设时段内的雷达回波数据；

52、提取子模块，用于对所述雷达回波数据进行信息提取，得到雷达回波的覆盖区域的经纬度范围；

53、裁剪子模块，用于对所述雷达回波的覆盖区域的经纬度范围按照设定空间分辨率进行裁剪，得到裁剪后的雷达回波图；

54、筛选子模块，用于对所述裁剪后的雷达回波图中的数据进行质量筛选，得到高质量的雷达回波图。

55、可选地，所述提取子模块具体用于：

56、从雷达回波数据的文件头中的数据区描述参数计算每个格点的经纬度坐标值；

57、基于文件头中对雷达文件的描述，获取雷达回波的覆盖区域的经纬度范围。

58、可选地，所述裁剪子模块具体用于：

59、基于所述雷达回波的覆盖区域的经纬度范围确定当前临近预报建模的核心区域；

60、以所述核心区域的中心经纬度为中心，以设定空间分辨率进行裁剪，得到裁剪后的雷达回波图。

61、可选地，所述筛选子模块具体用于：

62、对于裁剪后的雷达回波图中的雷达回波值满足第一关系式的点作为孤立高值；

63、对于裁剪后的雷达回波图中的雷达回波值满足第二关系式的点作为地物回波点；

64、从裁剪后的雷达回波图中去除孤立高值和地物回波点，得到高质量的雷法回波图。

65、可选地，所述第一关系式如下式所示：

66、

67、式中，m5*5为周边范围内的5×5的网格范围，mi为周边范围内的5×5的网格范围m5*5内的除中心点的任意一点的雷达回波值，px,y为雷达回波图中某一点。

68、可选地，所述第二关系式如下式所示：

69、

70、式中，n3*3为周边范围内的3×3的网格范围，ni为周边范围内的3×3的网格范围n3*3内的任意一点的雷达回波值。

71、可选地，还包括训练模块，用于：

72、获取待测区域的历史雷达回波图；

73、将某一时刻之前的历史雷达回波图和所述某一时刻之后的历史雷达回波图构建样本集；

74、将所述样本集按照设定比例划分为训练集和测试集；

75、将所述某一时刻之前的历史雷达回波图作为输入，某一时刻之后的历史雷达回波图作为输出对双通道卷积时序外推模型进行训练，得到初步训练好的双通道卷积时序外推模型；

76、基于所述测试集对所述初步训练好的双通道卷积时序外推模型进行测试，将通过测试的初步训练好的双通道卷积时序外推模型作为训练好的双通道卷积时序外推模型。

77、可选地，还包括构建模块，用于：

78、由提取时间数据的时间子网络，提取空间数据的空间子网络，以及将时间数据和空间数据融合的时空数据融合模块构建编码器，其中，所述时间子网络和空间子网络并行；

79、由编码器以及将高位融合特征解码为预测的未来时空数据的解码器构建双通道卷积时序外推模型。

80、再一方面，本技术还提供了一种电子设备，包括：至少一个处理器和存储器；所述存储器和处理器通过总线相连；

81、存储器，用于存储一个或多个程序；

82、当一个或多个程序被至少一个处理器执行时，实现如上述的一种基于雷达资料的非线性短临预报方法。

83、再一方面，本技术还提供了一种可读存储介质，其上存有执行程序，所述执行程序被执行时，实现如上述所述的一种基于雷达资料的非线性短临预报方法。

84、与现有技术相比，本发明的有益效果为：

85、本发明提供的一种基于雷达资料的非线性短临预报方法、装置及设备，包括：获取待预测时刻之前的历史雷达回波数据，并对所述雷达回波数据进行预处理，得到雷达回波图；将所述雷达回波图代入预先训练好的双通道卷积时序外推模型中，得到雷达外推预测数据；其中，所述预先训练好的双通道卷积时序外推模型是采用深度学习卷积对历史某时刻前的雷达回波图和所述某时刻后的雷达回波图进行学习得到的；所述双通道卷积时序外推模型包括深度学习卷积双通道编码器和解码器。本发明利用该雷达外推方法可以高效且准确地实现短时强对流天气的预报预警，从而降低局部强对流气象灾害对变电站和输电线路带来的损失，并提高电力设备设施的应急响应能力。