公开(公告)号：CN114492952A

公开(公告)日：2022-05-13

申请号：CN202210008178.5

申请日：2022-01-06

Applicant: 清华大学

Inventor： 王永强 ,  钟德钰 ,  刘万 ,  谢帅 ,  张宇 ,  周涛 ,  曾子悦

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的短临降水预报方法、装置、电子设备和存储介质，该方法包括：数据获取及处理，得到雷达组合反射率以及风场数据；选择观测期、预见期和输入因子‑预报输出量划分数据集样本；以卷积层和卷积LSTM层为基础构建深度学习网络；选择在训练过程中对样本的学习效果具有显著影响的超参数进行优化，得到最优网络结构；网络训练，得到最终深度学习网络模型，模型输出即为预测的降水量。本发明通过雷达回波充分考虑空中的水汽含量对降水的影响，同时根据风场考虑水汽的输送和变化对降水的影响，对短临降水进行准确有效的定量预报，提高降水预测的命中率，降低误报率。

公开(公告)号：CN114492952B

公开(公告)日：2023-08-01

申请号：CN202210008178.5

申请日：2022-01-06

Applicant: 清华大学

Inventor： 王永强 ,  钟德钰 ,  刘万 ,  谢帅 ,  张宇 ,  周涛 ,  曾子悦

IPC: G06Q10/04 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的短临降水预报方法、装置、电子设备和存储介质，该方法包括：数据获取及处理，得到雷达组合反射率以及风场数据；选择观测期、预见期和输入因子‑预报输出量划分数据集样本；以卷积层和卷积LSTM层为基础构建深度学习网络；选择在训练过程中对样本的学习效果具有显著影响的超参数进行优化，得到最优网络结构；网络训练，得到最终深度学习网络模型，模型输出即为预测的降水量。本发明通过雷达回波充分考虑空中的水汽含量对降水的影响，同时根据风场考虑水汽的输送和变化对降水的影响，对短临降水进行准确有效的定量预报，提高降水预测的命中率，降低误报率。