基于增强型循环神经网络的雷达回波外推方法及系统与流程

本申请属于雷达信息处理，具体是基于增强型循环神经网络的雷达回波外推方法及系统。

背景技术：

1、近年来，受全球气候变化的影响，灾害性天气频发，实现更准确、更精细和更长预警提前的降水短临预报是全球的关注点。降水短临预报是指对未来0-2h内降雨量或强对流天气进行预报。由于天气雷达探测资料具有较高的时间和空间分辨率，因此，气象预测业务中主要使用雷达回波外推方法实现短临降水预报。

2、近年来，深度学习为代表的人工智能技术在图像识别和视频领域取得了突破性进展，并在大气科学领域得到广泛应用。针对上述传统方法存在的问题，将神经网络引入雷达回波外推，神经网络模型凭借着挖掘海量数据和非线性建模的优秀能力，能充分学习海量雷达回波数据中潜在的天气演变规律，并已在准确率上超越了传统方法，在短时临近预报业务中取得良好的成果。基于深度学习的雷达外推方法如卷积长短时记忆网络、轨迹门控循环单元网络、预测循环神经网络（predictive recurrent neural network，predrnn）、运动循环神经网络（motion recurrent neural network，motionrnn）。

3、雷达回波外推方法在处理强降水预测时面临样本不平衡的难题，即强降水事件在总样本中占比较低，导致模型难以充分学习到强降水相关的关键特征，从而影响降水预测精度。而且浅层网络局限于低层次特征，深层网络易受梯度消失困扰，严重制约模型学习复杂特征，限制预测精度的提升。循环神经网络模型中普通卷积操作限制了模型无法进行局部特征提取，致使动态特征捕捉能力不足，从而导致在处理旋转、放缩及生消等动态特性的雷达回波图像时，难以充分捕捉雷达图像中局部特征的复杂天气动态变化特征。随时间推移，降水预报的准确性和清晰度会降低，通常会存在虚警率过高的问题，从而显著降低雷达系统的可靠性，并浪费资源。因此，亟需通过创新的算法设计和优化策略来加以克服，以提升降水预测的精准度和实用性。

技术实现思路

1、针对背景技术中提到的问题，本发明的目的是提供一种基于增强型循环神经网络的雷达回波外推方法及系统，具有虚警率低、降水预报能力高的优点。

2、本申请的一个实施例提供了一种基于增强型预测循环神经网络的雷达回波外推方法，所述方法包括：

3、确定目标区域的雷达回波数据，并进行预处理；

4、根据雷达回波面覆盖率筛选策略对预处理后的雷达回波数据进行筛选得到高质量的雷达回波数据集；

5、堆叠5层动态卷积时空长短时记忆模块并融合梯度高速公路单元搭建增强型预测循环神经网络；

6、将雷达回波数据集中的训练样本输入增强型预测循环神经网络进行训练及超参数调整获得最佳模型；

7、将雷达回波数据集中的测试样本输入到所述最佳模型进行图像预测操作，得到雷达回波外推图像。

8、可选的，所述确定目标区域的雷达回波数据，并进行预处理，包括：

9、遍历目标区域的雷达回波数据，并将雷达回波数据的反射率因子限定在0-70dbz；

10、然后进行归一化处理，并使用双三次插值方法将经过归一化处理后的雷达回波数据进行缩放。

11、可选的，所述根据雷达回波面覆盖率筛选策略对预处理后的雷达回波数据进行筛选得到高质量的雷达回波数据集，包括：

12、在雷达回波数据序列上使用滑窗法进行分割，窗口大小为20；

13、所述雷达回波面覆盖率筛选策略是在连续20帧图像中前10帧，至少保持1帧的雷达有效探测范围内回波面覆盖率的面积大于10%，其中雷达回波面覆盖率的基本反射率大于15dbz；

14、并将所述雷达回波数据集划分为训练集、验证集和测试集。

15、可选的，所述堆叠5层动态卷积时空长短时记忆模块并融合梯度高速公路单元搭建增强型预测循环神经网络，包括：

16、通过堆叠5层动态卷积时空长短时记忆模块，并在所述动态卷积时空长短时记忆模块的指定层间融合梯度高速公路单元，生成用于雷达回波外推的增强型预测循环神经网络模型。

17、可选的，所述在所述动态卷积时空长短时记忆模块的指定层间融合梯度高速公路单元，包括：

18、在所述第一层和第二层的动态卷积时空长短时记忆模块之间引入融合梯度高速公路单元。

19、可选的，所述动态卷积时空长短时记忆模块是通过深度融合时空长短时记忆单元与动态卷积搭建生成，通过实时调整卷积参数，以捕捉雷达回波的瞬时变化特征；

20、所述梯度高速公路单元用于促进雷达回波深层特征的学习，并提高雷达回波长期与短期特征的自适应性。

21、可选的，所述将雷达回波数据集中的训练样本输入增强型预测循环神经网络进行训练及超参数调整，获得最佳模型之后，所述方法还包括：

22、根据增强型预测循环神经网络执行雷达回波外推方法，并采用临界成功指数、命中率和虚警率评价指标进行定量化评估雷达回波外推结果。

23、本申请的又一个实施例提供了一种基于增强型循环神经网络的雷达回波外推系统，所述系统包括：

24、图像处理模块，用于确定目标区域的雷达回波数据，并进行预处理；

25、数据集制作模块，用于根据雷达回波面覆盖率筛选策略对预处理后的雷达回波数据进行筛选得到高质量的雷达回波数据集；

26、模型构建模块，用于堆叠5层动态卷积时空长短时记忆模块并融合梯度高速公路单元搭建增强型预测循环神经网络；

27、模型训练模块，用于将雷达回波数据集中的训练样本输入增强型预测循环神经网络进行训练及超参数调整，获得最佳模型；

28、图像预测模块，用于将雷达回波数据集中的测试样本输入到所述最佳模型进行图像预测操作，得到雷达回波外推图像。

29、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述所述的方法。

30、综上所述，本发明主要具有以下有益效果：

31、（1）使用雷达回波面覆盖率筛选策略构建高质量的雷达回波数据集，有效地减少无雨天气对模型训练的影响，使模型能够更加聚焦于学习强降水相关的关键信息，解决因样本不平衡导致的强降水预测结果过度偏向的问题，从而提高强降水事件的预测精度。

32、（2）设计动态卷积时空长短时记忆模块，并深化模型结构及融合梯度高速公路单元搭建的增强型预测循环神经网络，有效提高雷达数据的利用率，减少了信息损失，并增强雷达回波的细节捕捉能力，该模型显著提升了短临降水预报的准确率和降低了虚警率，能够更加精准地预测出真正的强对流天气事件，避免因错误预警而触发的非必要应急响应和资源浪费，为应对极端天气提供了更为可靠和高效的决策支持。

技术特征：

1.一种基于增强型循环神经网络的雷达回波外推方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述确定目标区域的雷达回波数据，并进行预处理，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据雷达回波面覆盖率筛选策略对预处理后的雷达回波数据进行筛选得到高质量的雷达回波数据集，包括：

4.根据权利要求1所述的方法，其特征在于，所述堆叠5层动态卷积时空长短时记忆模块并融合梯度高速公路单元搭建增强型预测循环神经网络，包括：

5.根据权利要求4所述的方法，其特征在于，所述在所述动态卷积时空长短时记忆模块的指定层间融合梯度高速公路单元，包括：

6.根据权利要求5所述的方法，其特征在于，所述动态卷积时空长短时记忆模块是通过深度融合时空长短时记忆单元与动态卷积搭建生成，通过实时调整卷积参数，以捕捉雷达回波的瞬时变化特征；

7.根据权利要求1至6任一项所述的方法，其特征在于，所述将雷达回波数据集中的训练样本输入增强型预测循环神经网络进行训练及超参数调整，获得最佳模型之后，所述方法还包括：

8.一种基于增强型循环神经网络的雷达回波外推系统，其特征在于，所述系统包括：

技术总结
本申请公开了基于增强型循环神经网络的雷达回波外推方法及系统，方法包括：确定目标区域的雷达回波数据，对雷达回波数据进行预处理；使用雷达回波面覆盖率筛选策略对预处理后的雷达回波数据进行筛选得到高质量的雷达回波数据集；堆叠5层动态卷积时空长短时记忆模块并融合梯度高速公路单元构建增强型预测循环神经网络；将雷达回波数据集中训练样本输入增强型预测循环神经网络进行训练及超参数调整，获得最佳模型；将雷达回波数据集中测试样本输入到所述最佳模型进行图像预测操作，得到雷达回波外推图像。本发明降低虚警率，提升预报精度，尤其在强降水预测上表现优异，为短临降水预报提供技术支持。

技术研发人员：谢梦,刘丽丽,王艳,杨春蕾,顾明剑
受保护的技术使用者：中科技术物理苏州研究院
技术研发日：
技术公布日：2024/12/5