公开(公告)号：CN116755095A

公开(公告)日：2023-09-15

申请号：CN202310231314.1

申请日：2023-03-09

Applicant: 南京信息工程大学

Inventor： 程海浪 ,  许小龙 ,  崔萌萌 ,  程勇 ,  刘琦

IPC: G01S13/95 ,  G01S7/41 ,  G01W1/10

Abstract: 本发明公开了一种基于GRU与LSTM时空融合的短临降水预测方法，包括以下步骤：步骤1，读取本地雷达数据，进行数据预处理操作；步骤2，将处理后的数据进行划分，分别为训练集、测试集、和验证集；步骤3，设计ST‑LSGRU基本模块，堆叠4层构建雷达回波外推模型；步骤4，输入训练集，初始化模型参数，训练网络模型，保存模型参数；步骤5，使用验证集测试模型性能，优化模型超参数，训练网络模型，保存模型参数；步骤6，加载保存的模型参数，输入测试集，得到雷达外推结果，通过Z‑R关系式，得到未来一段时间的降水量。本方法能够解决长时间序列预测而产生的梯度消失问题，能够有效的提高模型针对强降水天气预测的结果的清晰度和稳定性。

公开(公告)号：CN116106909A

公开(公告)日：2023-05-12

申请号：CN202310251081.1

申请日：2023-03-16

Applicant: 南京信息工程大学

Inventor： 程海浪 ,  崔萌萌 ,  彭路 ,  刘伯俊 ,  唐绩 ,  许小龙

IPC: G01S13/95 ,  G01S7/41

Abstract: 本发明公开了电子通讯领域的一种雷达回波外推方法、系统及存储介质，包括：由获取的实时雷达回波图像序列中提取待测试的雷达回波数据彩图，对待测试的雷达回波数据彩图进行预处理后输入至预先训练好的Sat‑Lstm‑RNN网络模型得到雷达回波预测值，根据雷达回波预测值还原成雷达回波；所述Sat‑Lstm‑RNN网络模型的训练过程包括：基于编码器、Sat‑ConvLstm模块和解码器构建Sat‑Lstm‑RNN网络模型；通过训练图像集对Sat‑Lstm‑RNN网络模型进行训练，根据Sat‑Lstm‑RNN网络模型输出的雷达回波预测值与雷达回波真实值建立损失函数，利用损失函数调整循环神经网络参数，重复迭代训练过程直至Sat‑Lstm‑RNN网络模型收敛；实现了准确度更高、预测结果更清晰的雷达回波外推方法。