CN110673146A - 气象预测图检测方法、装置、计算机设备和可读存储介质 - Google Patents
气象预测图检测方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN110673146A CN110673146A CN201910965743.5A CN201910965743A CN110673146A CN 110673146 A CN110673146 A CN 110673146A CN 201910965743 A CN201910965743 A CN 201910965743A CN 110673146 A CN110673146 A CN 110673146A
- Authority
- CN
- China
- Prior art keywords
- strong echo
- weather
- position set
- radar strong
- radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Electromagnetism (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种气象预测图检测方法、装置、计算机设备和可读存储介质,该方法包括:获取气象预测图和气象真值图;根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;检测第一雷达强回波区域位置集合为检测气象预测图在检测阈值集合下的雷达强回波区域位置集合;检测第二雷达强回波区域位置集合为检测气象真值图在检测阈值集合下的雷达强回波区域位置集合;根据检测第一雷达强回波区域位置集合与检测第二雷达强回波区域位置集合,获取检测气象预测图与检测气象真值图在检测阈值集合下的雷达强回波区域交并比,对检测气象预测图进行检测,该方法提高了对气象预测图的检测准确度。
Description
技术领域
本发明涉及气象领域,特别是涉及一种气象预测图检测方法、装置、计算机设备和可读存储介质。
背景技术
雷暴与强对流临近预报关系到人们的日常生产与生活,能够为国家防灾减灾工作提供必须的气象服务。目前常用的对雷暴与强对流临近预报的方法大都是基于雷达回波外推法,雷达回波的预测准确度直接影响着临近天气预报的准确度。
传统技术中,对雷达回波预测图的检测方法主要是由经验丰富的预报员对雷达回波预测图进行检测,判断雷达回波预测图的准确度。
因此,传统技术存在对雷达回波预测图的准确度判别不准确的问题。
发明内容
基于此,有必要针对传统技术存在对雷达回波预测图的准确度判别不准确的问题,提供一种气象预测图检测方法、装置、计算机设备和可读存储介质。
第一方面,本发明实施例提供一种气象预测图检测方法,所述方法包括:
获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
在其中一个实施例中,所述根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,包括:
选取所述阈值集合中的阈值,分别遍历所述气象预测图的像素值和所述气象真值图的像素值,得到每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵;所述气象预测图像素级强度矩阵与所述气象真值图像素级强度矩阵中的每个元素表示所述元素关联的至少一个像素值与所述阈值的比较结果;所述元素包括真值或非真值;
根据所述气象预测图像素级强度矩阵和所述气象真值图像素级强度矩阵,获取所述第一雷达强回波区域位置集合和所述第二雷达强回波区域位置集合。
在其中一个实施例中,所述根据所述气象预测图像素级强度矩阵和所述气象真值图像素级强度矩阵,获取所述第一雷达强回波区域位置集合和所述第二雷达强回波区域位置集合,包括:
按照预设的划分步长,将所述气象预测图像素级强度矩阵与所述气象真值图像素级强度矩阵划分为多个网格;所述网格的边长等于所述预设的划分步长;
分别统计所述气象预测图像素级强度矩阵各网格以及所述气象真值图像素级强度矩阵各网格中像素值为真值的个数,得到气象预测图强度区域矩阵和气象真值图强度区域矩阵;
将所述气象预测图强度区域矩阵中每个位置的真值个数与预设的阈值进行比较,将大于所述预设阈值的位置的坐标保存到预设的气象预测图位置集合中,得到所述第一雷达强回波区域位置集合;将所述气象真值图强度区域矩阵中每个位置的真值个数与所述预设阈值进行比较,将大于所述预设阈值的位置的坐标保存到预设的气象真值图位置集合中,得到所述第二雷达强回波区域位置集合。
在其中一个实施例中,所述根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,包括:
遍历所述第一雷达强回波区域位置集合中每个元素,统计各所述元素在所述第二雷达强回波区域位置集合中存在的个数,得到所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合的交集数;
将所述第一雷达强回波区域位置集合中的元素与所述第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,获取所述新的位置集合的长度,将所述新的位置集合的长度作为所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合的并集数;
获取所述交集数与所述并集数的比值,将所述比值确定为所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比。
在其中一个实施例中,所述方法还包括:
去除所述新的位置集合中的重复元素,使所述新的位置集合中只保留所述重复元素中的一个元素。
在其中一个实施例中,所述根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测,包括:
获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比的平均值;
根据所述平均值,对所述气象预测图进行检测。
在其中一个实施例中,所述气象预测图的真实度与所述平均值正相关。
第二方面,本发明实施例提供一种气象预测图检测装置,所述装置包括:
第一获取模块,用于获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
第二获取模块,用于根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
第三获取模块,用于根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
检测模块,用于根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
上述实施例提供的气象预测图检测方法、装置、计算机设备和可读存储介质中,计算机设备获取气象预测图和气象真值图;气象真值图与气象预测图相对应;根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;第一雷达强回波区域位置集合为气象预测图在阈值集合下的雷达强回波区域位置集合;第二雷达强回波区域位置集合为气象真值图在阈值集合下的雷达强回波区域位置集合;根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比;根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。在该方法中,计算机设备根据预设的阈值集合,分别获取气象预测图在该阈值集合下的雷达强回波区域位置集合与气象真值图在该阈值集合下的雷达强回波区域位置集合,进而得到气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比,根据得到的雷达强回波区域交并比可以对气象预测图进行检测,由于得到的雷达强回波区域交并比能够表征气象预测图与气象真值图的相似度,能够对气象预测图进行比较准确地检测,提高了对气象预测图的检测准确度;另外,根据预设的阈值集合,可以快速地获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,提高了获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合的效率,这样提高了获取气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比的效率,进而提高了根据气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比,对气象预测图进行检测的效率。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图;
图2为一个实施例提供的气象预测图检测方法的流程示意图;
图3为另一个实施例提供的气象预测图检测方法的流程示意图;
图4为一个实施例提供的气象预测图像素级强度矩阵示意图;
图5为另一个实施例提供的气象预测图检测方法的流程示意图;
图6为另一个实施例提供的气象预测图检测方法的流程示意图;
图7为另一个实施例提供的气象预测图检测方法的流程示意图;
图8为一个实施例提供的气象预测图检测装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的气象预测图检测方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是,本申请实施例提供的气象预测图检测方法,其执行主体可以是气象预测图检测装置,该气象预测图检测装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为一个实施例提供的气象预测图检测方法的流程示意图。本实施例涉及的是计算机设备根据气象预测图与气象真值图在预设的阈值集合下的雷达强回波区域交并比,对气象预测图进行检测的具体实现过程。如图2所示,该方法可以包括:
S201,获取气象预测图和气象真值图;气象真值图与气象预测图相对应。
其中,气象预测图是利用深度学习模型根据当前的气象雷达回波图预测出的未来的气象雷达回波图,气象真值图是气象预测图所对应的实际气象雷达回波图。可以理解的是,气象雷达回波图能够对雷暴、强对流天气和暴雨等气象进行临近预报。具体的,计算机设备可以从对上述深度学习模型进行训练的测试数据集中获取气象预测图和与该气象预测图对应的气象真值图。
S202,根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;第一雷达强回波区域位置集合为气象预测图在阈值集合下的雷达强回波区域位置集合;第二雷达强回波区域位置集合为气象真值图在阈值集合下的雷达强回波区域位置集合。
其中,雷达强回波区域表示的是降雨量较多的区域。具体的,计算机设备根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合。其中,第一雷达强回波区域位置集合为气象预测图在该阈值集合下的雷达强回波区域位置集合,第二雷达强回波区域位置集合为气象真值图在该阈值集合下的雷达强回波区域位置集合。可选的,预设的阈值集合可以根据上述气象预测图或气象真值图的雷达回波阈值确定,示例性地,选取的雷达回波阈值可以为15dbz、20dbz和30dbz。可选的,计算机设备可以根据预设的阈值=(雷达回波阈值+32)*2,确定预设的阈值,得到预设的阈值集合。可选的,计算机设备可以将预设的阈值集合中的各阈值与气象预测图的像素值进行比较,获取第一雷达强回波区域位置集合;可以将预设的阈值集合中的各阈值与气象真值图的像素值进行比较,获取第二雷达强回波区域位置集合。
S203,根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比。
具体的,计算机设备根据上述得到的第一雷达强回波区域位置集合和第二雷达强回波区域位置集合,获取气象预测图与气象真值图在上述阈值集合下的雷达强回波区域交并比。其中,雷达强回波区域交并比是指第一雷达强回波区域位置集合和第二雷达强回波区域位置集合中相交的元素的个数,与第一雷达强回波区域位置集合和第二雷达强回波区域位置集合的并集的元素的个数的比值。可选的,计算机设备可以将第一雷达强回波区域位置集合中的各雷达强回波区域位置与第二雷达强回波区域位置集合中的各雷达强回波区域位置进行一一比较,计算第一雷达强回波区域位置集合与第二雷达强回波区域位置集合中相同的雷达强回波区域位置的个数,计算第一雷达强回波区域位置集合与第二雷达强回波区域位置集合并集中元素的个数,从而得到气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比。
S204,根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。
具体的,计算机设备根据气象预测图与气象真值图在上述阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。可选的,计算机设备可以根据气象预测图与气象真值图在各阈值下的雷达强回波区域交并比,对气象预测图分别进行检测。可以理解的是,不同的阈值对应不同的雷达强回波区域交并比,而不同的阈值是与不同的雷达回波阈值相对应的,这样计算机设备就可以得出不同阈值下的气象预测图的准确度,进而可以确定出气象预测图准确度较高时所对应的阈值,进而得到该阈值所对应的雷达回波阈值,利用该雷达回波阈值对深度学习模型进行训练,提高得到的深度学习模型的准确度,进而提高利用该深度学习模型得到的气象预测图的准确度。
在本实施例中,计算机设备根据预设的阈值集合,分别获取气象预测图在该阈值集合下的雷达强回波区域位置集合与气象真值图在该阈值集合下的雷达强回波区域位置集合,进而得到气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比,根据得到的雷达强回波区域交并比可以对气象预测图进行检测,由于得到的雷达强回波区域交并比能够表征气象预测图与气象真值图的相似度,能够对气象预测图进行比较准确地检测,提高了对气象预测图的检测准确度;另外,根据预设的阈值集合,可以快速地获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,提高了获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合的效率,这样提高了获取气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比的效率,进而提高了根据气象预测图与气象真值图在该阈值集合下的雷达强回波区域交并比,对气象预测图进行检测的效率。
图3为另一个实施例提供的气象预测图检测方法的流程示意图,图4为一个实施例提供的气象预测图像素级强度矩阵示意图。本实施例涉及的是计算机设备根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的具体实现过程。如图3所示,在上述实施例的基础上,作为一种可选的实施方式,上述S202,包括:
S301,选取阈值集合中的阈值,分别遍历气象预测图的像素值和气象真值图的像素值,得到每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵;气象预测图像素级强度矩阵与气象真值图像素级强度矩阵中的每个元素表示元素关联的至少一个像素值与阈值的比较结果;元素包括真值或非真值。
具体的,计算机设备从上述阈值集合中任意选取一阈值,分别遍历气象预测图的像素值和气象真值图的像素值,得到在该阈值下的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵,然后依次选取该阈值集合中的其他阈值,分别遍历气象预测图的像素值和气象真值图的像素值,得到上述阈值集合中每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵。其中,气象预测图像素级强度矩阵与气象真值图像素级强度矩阵中的每个元素表示该元素关联的至少一个像素值与各阈值的比较结果;气象预测图像素级强度矩阵与气象真值图像素级强度矩阵中的每个元素包括真值或非真值。示例性地,以获取气象预测图像素级强度矩阵为例进行说明,计算机设备选取阈值集合中的任意一阈值后,基于该阈值遍历气象预测图的像素值,若气象预测图的像素值大于选取的阈值,则将对应位置的像素值设置为ture,即设置为真值,否则设置为false,即设置为非真值,得到在该阈值下的气象预测图像素级强度矩阵,得到的气象预测图像素级强度矩阵如图4所示,然后,依次选取阈值集合中的剩余阈值,进行同样的操作,最终得到阈值集合中的每个阈值对应的气象预测图像素级强度矩阵。需要说明的是,在计算机设备选取了阈值集合中的阈值,分别遍历气象预测图的像素值和气象真值图的像素值之前,计算机设备可以利用opencv中的imread函数分别读取气象预测图和气象真值图,得到气象预测图矩阵和气象真值图矩阵,将气象预测图矩阵中每个位置的值作为气象预测图的像素值,将气象真值图中每个位置的值作为气象真值图的像素值。
S302,根据气象预测图像素级强度矩阵和气象真值图像素级强度矩阵,获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合。
具体的,计算机设备根据上述气象预测图像素级强度矩阵和气象真值图像素级强度矩阵,获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合。可选的,计算机设备按照预设的划分步长,将气象预测图像素级强度矩阵与气象真值图像素级强度矩阵划分为多个网格,其中,各网格的边长等于预设的划分步长,然后分别统计气象预测图像素级强度矩阵各网络以及气象真值图像素级强度矩阵各网格中像素值为真值的个数,得到气象预测图强度区域矩阵和气象真值图强度区域矩阵,之后,将气象预测图强度区域矩阵中每个位置的真值个数与预设的阈值进行比较,将大于上述预设阈值的位置坐标保存到预设的气象预测图位置集合中,得到第一雷达强回波区域位置集合,将气象真值图强度区域矩阵中每个位置的真值个数与上述预设阈值进行比较,将大于上述预设阈值的位置的坐标保存到预设的气象真值图位置集合中,得到第二雷达强回波区域位置集合。可选的,上述预设阈值可以根据上述预设的划分步长进行确定,例如,预设的划分步长为k_size,则预设阈值可以为(k_size*k_size)/2。
在本实施例中,由于气象预测图像素级强度矩阵和气象真值图像素级强度矩阵是计算机设备从阈值集合中选取阈值,分别遍历气象预测图的像素值和气象真值图的像素值得到的,因此,提高了得到的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵的准确度,而第一雷达强回波区域位置集合和第二雷达强回波区域位置集合是计算机设备根据得到的气象预测图像素级强度矩阵和得到的气象真值图像素级强度矩阵得到的,由于得到的气象预测图像素级强度矩阵的气象真值图像素级强度矩阵的准确度得到了提高,进而提高了得到的第一雷达强回波区域位置集合和第二雷达强回波区域位置集合的准确度。
图5为另一个实施例提供的气象预测图检测方法的流程示意图。本实施例涉及的是计算机设备根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比的具体实现过程。如图5所示,在上述实施例的基础上,作为一种可选的实施方式,上述S203,包括:
S501,遍历第一雷达强回波区域位置集合中每个元素,统计各元素在第二雷达强回波区域位置集合中存在的个数,得到第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数。
具体的,计算机设备遍历第一雷达强回波区域位置集合中每个元素,统计各元素在第二雷达强回波区域位置集合中存在的个数,即获取第一雷达强回波区域位置集合中每个元素与第二雷达强回波区域位置集合中每个元素相同的元素个数,得到第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数。
S502,将第一雷达强回波区域位置集合中的元素与第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,获取新的位置集合的长度,将新的位置集合的长度作为第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数。
具体的,计算机设备将第一雷达强回波区域位置集合中的元素与第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,获取新的位置集合的长度,将新的位置集合的长度作为第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数。可选的,计算机设备可以去除新的位置集合中的重复元素,使新的位置集合中只保留重复元素中的一个元素。可选的,计算机设备可以通过set函数,去除新的位置集合中的重复元素。可以理解的是,通过去除新的位置集合中的重复元素,提高了获取的新的位置集合的长度,即提高了得到的第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数。
S503,获取交集数与并集数的比值,将比值确定为气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比。
具体的,计算机设备获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合的交集数与第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数的比值,将该比值确定为气象预测图与气象真值图在上述阈值集合下的雷达强回波区域交并比。
在本实施例中,计算机设备得到第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数,以及,得到第一雷达强回波区域位置与第二雷达强回波区域位置集合的并集数的过程十分简单,提高了获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数、并集数的效率,而气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比是根据该交集数、并集数获取的,进而提高了获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比的效率。
图6为另一个实施例提供的气象预测图检测方法的流程示意图。本实施例涉及的是计算机设备根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测的具体实现过程。如图6所示,在上述实施例的基础上,作为一种可选的实施方式,上述S204,包括:
S601,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比的平均值;
具体的,预设的阈值集合中包括多个不同的阈值,计算机设备得到气象预测图与气象真值图在各阈值下的雷达强回波区域交并比后,计算该交并比的平均值。例如,预设的阈值集合中包括5个不同的阈值,计算机设备得到在该5个阈值下的雷达强回波区域交并比后,对这5个雷达强回波区域交并比求加权平均,得到的5个雷达强回波区域交并比的平均值。
S602,根据平均值,对气象预测图进行检测。
具体的,计算机设备根据上述得到的气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值,对气象预测图进行检测。其中,气象预测图的真实度与气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值正相关,即,气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值越高,气象预测图的真实度越高。
在本实施例中,计算机获取气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值的过程图的十分简单,提高了得到气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值的效率,进而提高了根据气象预测图与气象真值图在预设阈值集合下的雷达强回波区域交并比的平均值,对气象预测图进行检测的检测效率;另外,由于得到的雷达强回波区域交并比能够表征气象预测图与气象真值图的相似度,而气象预测图与气象真值图在预设的阈值集合下的雷达强回波区域交并比的平均值能够更加准确地表征气象预测图与气象真值图的相似度,进而提高了对气象预测图的检测准确度。
为了便于本领域技术人员的理解,以下对本申请提供的气象预测图检测方法进行详细介绍,如图7所示,该方法可以包括:
S701,获取气象预测图和气象真值图;气象真值图与气象预测图相对应;
S702,利用opencv中的imread函数分别读取气象预测图和气象真值图,得到气象预测图矩阵和气象真值图矩阵,将气象预测图矩阵中每个位置的值作为气象预测图的像素值,将气象真值图中每个位置的值作为气象真值图的像素值;
S703,选取预设的阈值集合中的阈值,分别遍历气象预测图的像素值和气象真值图的像素值,得到每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵;气象预测图像素级强度矩阵与气象真值图像素级强度矩阵中的每个元素表示元素关联的至少一个像素值与阈值的比较结果;元素包括真值或非真值;
S704,按照预设的划分步长,将气象预测图像素级强度矩阵与气象真值图像素级强度矩阵划分为多个网格;网格的边长等于预设的划分步长;
S705,分别统计气象预测图像素级强度矩阵各网格以及气象真值图像素级强度矩阵各网格中像素值为真值的个数,得到气象预测图强度区域矩阵和气象真值图强度区域矩阵;
S706,将气象预测图强度区域矩阵中每个位置的真值个数与预设阈值进行比较,将大于预设阈值的位置的坐标保存到预设的气象预测图位置集合中,得到第一雷达强回波区域位置集合;将气象真值图强度区域矩阵中每个位置的真值个数与阈值进行比较,将大于预设阈值的位置的坐标保存到预设的气象真值图位置集合中,得到第二雷达强回波区域位置集合;
S707,遍历第一雷达强回波区域位置集合中每个元素,统计各元素在第二雷达强回波区域位置集合中存在的个数,得到第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数;
S708,将第一雷达强回波区域位置集合中的元素与第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,去除新的位置集合中的重复元素,使新的位置集合中只保留重复元素中的一个元素,获取新的位置集合的长度,将新的位置集合的长度作为第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数;
S709,获取交集数与并集数的比值,将比值确定为气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比;
S710,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比的平均值;
S711,根据平均值,对气象预测图进行检测;气象预测图的真实度与平均值正相关。
需要说明的是,针对上述S701-S711中的描述可以参见上述实施例中相关的描述,且其效果类似,本实施例在此不再赘述。
应该理解的是,虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图8为一个实施例提供的气象预测图检测装置结构示意图。如图8所示,该装置可以包括:第一获取模块10、第二获取模块11、第三获取模块12和检测模块13。
具体的,第一获取模块10,用于获取气象预测图和气象真值图;气象真值图与气象预测图相对应;
第二获取模块11,用于根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;第一雷达强回波区域位置集合为气象预测图在阈值集合下的雷达强回波区域位置集合;第二雷达强回波区域位置集合为气象真值图在阈值集合下的雷达强回波区域位置集合;
第三获取模块12,用于根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比;
检测模块13,用于根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二获取模块11包括:第一获取单元和第二获取单元。
具体的,第一获取单元,用于选取阈值集合中的阈值,分别遍历气象预测图的像素值和气象真值图的像素值,得到每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵;气象预测图像素级强度矩阵与气象真值图像素级强度矩阵中的每个元素表示元素关联的至少一个像素值与阈值的比较结果;元素包括真值或非真值;
第二获取单元,,用于根据气象预测图像素级强度矩阵和气象真值图像素级强度矩阵,获取第一雷达强回波区域位置集合和第二雷达强回波区域位置集合。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第二获取单元,具体用于按照预设的划分步长,将气象预测图像素级强度矩阵与气象真值图像素级强度矩阵划分为多个网格;网格的边长等于预设的划分步长;分别统计气象预测图像素级强度矩阵各网格以及气象真值图像素级强度矩阵各网格中像素值为真值的个数,得到气象预测图强度区域矩阵和气象真值图强度区域矩阵;将气象预测图强度区域矩阵中每个位置的真值个数与预设阈值进行比较,将大于预设阈值的位置的坐标保存到预设的气象预测图位置集合中,得到第一雷达强回波区域位置集合;将气象真值图强度区域矩阵中每个位置的真值个数与阈值进行比较,将大于预设阈值的位置的坐标保存到预设的气象真值图位置集合中,得到第二雷达强回波区域位置集合。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第三获取模块12包括:第三获取单元、第四获取单元和第五获取单元。
具体的,第三获取单元,用于遍历第一雷达强回波区域位置集合中每个元素,统计各元素在第二雷达强回波区域位置集合中存在的个数,得到第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的交集数;
第四获取单元,用于将第一雷达强回波区域位置集合中的元素与第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,获取新的位置集合的长度,将新的位置集合的长度作为第一雷达强回波区域位置集合与第二雷达强回波区域位置集合的并集数;
第五获取单元,用于获取交集数与并集数的比值,将比值确定为气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述第四获取单元,还用于去除新的位置集合中的重复元素,使新的位置集合中只保留重复元素中的一个元素。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述检测模块13包括:第六获取单元、和检测单元。
具体的,第六获取单元,用于获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比的平均值;
检测单元,用于根据平均值,对气象预测图进行检测。
可选的,气象预测图的真实度与平均值正相关。
本实施例提供的气象预测图检测装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于气象预测图检测装置的具体限定可以参见上文中对于气象预测图检测方法的限定,在此不再赘述。上述气象预测图检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取气象预测图和气象真值图;气象真值图与气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;第一雷达强回波区域位置集合为气象预测图在阈值集合下的雷达强回波区域位置集合;第二雷达强回波区域位置集合为气象真值图在阈值集合下的雷达强回波区域位置集合;
根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比;
根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取气象预测图和气象真值图;气象真值图与气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;第一雷达强回波区域位置集合为气象预测图在阈值集合下的雷达强回波区域位置集合;第二雷达强回波区域位置集合为气象真值图在阈值集合下的雷达强回波区域位置集合;
根据第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,获取气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比;
根据气象预测图与气象真值图在阈值集合下的雷达强回波区域交并比,对气象预测图进行检测。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种气象预测图检测方法,其特征在于,所述方法包括:
获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合,包括:
选取所述阈值集合中的阈值,分别遍历所述气象预测图的像素值和所述气象真值图的像素值,得到每个阈值对应的气象预测图像素级强度矩阵和气象真值图像素级强度矩阵;所述气象预测图像素级强度矩阵与所述气象真值图像素级强度矩阵中的每个元素表示所述元素关联的至少一个像素值与所述阈值的比较结果;所述元素包括真值或非真值;
根据所述气象预测图像素级强度矩阵和所述气象真值图像素级强度矩阵,获取所述第一雷达强回波区域位置集合和所述第二雷达强回波区域位置集合。
3.根据权利要求2所述的方法,其特征在于,所述根据所述气象预测图像素级强度矩阵和所述气象真值图像素级强度矩阵,获取所述第一雷达强回波区域位置集合和所述第二雷达强回波区域位置集合,包括:
按照预设的划分步长,将所述气象预测图像素级强度矩阵与所述气象真值图像素级强度矩阵划分为多个网格;所述网格的边长等于所述预设的划分步长;
分别统计所述气象预测图像素级强度矩阵各网格以及所述气象真值图像素级强度矩阵各网格中像素值为真值的个数,得到气象预测图强度区域矩阵和气象真值图强度区域矩阵;
将所述气象预测图强度区域矩阵中每个位置的真值个数与预设阈值进行比较,将大于所述预设阈值的位置的坐标保存到预设的气象预测图位置集合中,得到所述第一雷达强回波区域位置集合;将所述气象真值图强度区域矩阵中每个位置的真值个数与所述预设阈值进行比较,将大于所述预设阈值的位置的坐标保存到预设的气象真值图位置集合中,得到所述第二雷达强回波区域位置集合。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,包括:
遍历所述第一雷达强回波区域位置集合中每个元素,统计各所述元素在所述第二雷达强回波区域位置集合中存在的个数,得到所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合的交集数;
将所述第一雷达强回波区域位置集合中的元素与所述第二雷达强回波区域位置集合中的元素进行合并,得到新的位置集合,获取所述新的位置集合的长度,将所述新的位置集合的长度作为所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合的并集数;
获取所述交集数与所述并集数的比值,将所述比值确定为所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
去除所述新的位置集合中的重复元素,使所述新的位置集合中只保留所述重复元素中的一个元素。
6.根据权利要求1所述的方法,其特征在于,所述根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测,包括:
获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比的平均值;
根据所述平均值,对所述气象预测图进行检测。
7.根据权利要求6所述的方法,其特征在于,所述气象预测图的真实度与所述平均值正相关。
8.一种气象预测图检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取气象预测图和气象真值图;所述气象真值图与所述气象预测图相对应;
第二获取模块,用于根据预设的阈值集合,分别获取第一雷达强回波区域位置集合与第二雷达强回波区域位置集合;所述第一雷达强回波区域位置集合为所述气象预测图在所述阈值集合下的雷达强回波区域位置集合;所述第二雷达强回波区域位置集合为所述气象真值图在所述阈值集合下的雷达强回波区域位置集合;
第三获取模块,用于根据所述第一雷达强回波区域位置集合与所述第二雷达强回波区域位置集合,获取所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比;
检测模块,用于根据所述气象预测图与所述气象真值图在所述阈值集合下的雷达强回波区域交并比,对所述气象预测图进行检测。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965743.5A CN110673146B (zh) | 2019-10-12 | 2019-10-12 | 气象预测图检测方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910965743.5A CN110673146B (zh) | 2019-10-12 | 2019-10-12 | 气象预测图检测方法、装置、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110673146A true CN110673146A (zh) | 2020-01-10 |
CN110673146B CN110673146B (zh) | 2021-12-07 |
Family
ID=69081678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910965743.5A Expired - Fee Related CN110673146B (zh) | 2019-10-12 | 2019-10-12 | 气象预测图检测方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110673146B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505740A (zh) * | 2020-04-22 | 2020-08-07 | 上海眼控科技股份有限公司 | 气象预测方法、装置、计算机设备和存储介质 |
CN111505645A (zh) * | 2020-04-26 | 2020-08-07 | 上海眼控科技股份有限公司 | 雷达云图数据的显示方法、装置、计算机设备和存储介质 |
CN111538013A (zh) * | 2020-05-12 | 2020-08-14 | 上海眼控科技股份有限公司 | 雷达回波外推方法、装置、计算机设备和存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5135397A (en) * | 1990-06-28 | 1992-08-04 | Hughes Aircraft Company | 3-d weather for digital radar landmass simulation |
JP2006220445A (ja) * | 2005-02-08 | 2006-08-24 | Toshiba Corp | 砂嵐予測システムとその砂嵐警報発令方法 |
US20150293262A1 (en) * | 2014-03-31 | 2015-10-15 | International Business Machines Corporation | Method and apparatus for lightning forecast |
CN105068149A (zh) * | 2015-07-24 | 2015-11-18 | 国家电网公司 | 一种基于多信息综合的输变电设备雷电监测和预报方法 |
CN105738873A (zh) * | 2015-11-16 | 2016-07-06 | 象辑知源(武汉)科技有限公司 | 天气雷达回波图像的处理方法及处理装置 |
WO2017134398A1 (fr) * | 2016-02-03 | 2017-08-10 | So.No.Par | Dispositif de prévision d'altitude de la limite pluie-neige |
US20170323223A1 (en) * | 2014-11-13 | 2017-11-09 | Mizuho Information & Research Institute, Inc. | System, method, and program for predicting information |
CN108475382A (zh) * | 2015-12-23 | 2018-08-31 | 瑞士再保险有限公司 | 航班轨迹预测系统和航班轨迹承载自动化延误风险转移系统及其对应方法 |
CN109100722A (zh) * | 2018-07-25 | 2018-12-28 | 南京信息工程大学 | 基于雷达回波图像扇区分量分析的风暴趋势预测方法 |
CN109239808A (zh) * | 2018-08-01 | 2019-01-18 | 平安科技(深圳)有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN109376895A (zh) * | 2018-08-28 | 2019-02-22 | 中国电子科技集团公司第二十八研究所 | 基于实时雷达回波图的民航流量管制策略制定方法与系统 |
CN109765559A (zh) * | 2019-02-02 | 2019-05-17 | 中国水利水电科学研究院 | 一种基于多普勒雷达和深度学习的山区致灾暴雨识别方法 |
CN109799550A (zh) * | 2019-03-20 | 2019-05-24 | 北京百度网讯科技有限公司 | 用于预测降雨强度的方法和装置 |
CN110045441A (zh) * | 2019-06-04 | 2019-07-23 | 北京航天宏图信息技术股份有限公司 | 基于雷达回波图的天气分析方法及装置 |
CN110135654A (zh) * | 2019-05-24 | 2019-08-16 | 北京百度网讯科技有限公司 | 用于预测强对流天气的方法和装置 |
CN110324541A (zh) * | 2019-07-12 | 2019-10-11 | 上海集成电路研发中心有限公司 | 一种滤波联合去噪插值方法及装置 |
-
2019
- 2019-10-12 CN CN201910965743.5A patent/CN110673146B/zh not_active Expired - Fee Related
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5135397A (en) * | 1990-06-28 | 1992-08-04 | Hughes Aircraft Company | 3-d weather for digital radar landmass simulation |
JP2006220445A (ja) * | 2005-02-08 | 2006-08-24 | Toshiba Corp | 砂嵐予測システムとその砂嵐警報発令方法 |
US20150293262A1 (en) * | 2014-03-31 | 2015-10-15 | International Business Machines Corporation | Method and apparatus for lightning forecast |
US20170323223A1 (en) * | 2014-11-13 | 2017-11-09 | Mizuho Information & Research Institute, Inc. | System, method, and program for predicting information |
CN105068149A (zh) * | 2015-07-24 | 2015-11-18 | 国家电网公司 | 一种基于多信息综合的输变电设备雷电监测和预报方法 |
CN105738873A (zh) * | 2015-11-16 | 2016-07-06 | 象辑知源(武汉)科技有限公司 | 天气雷达回波图像的处理方法及处理装置 |
CN108475382A (zh) * | 2015-12-23 | 2018-08-31 | 瑞士再保险有限公司 | 航班轨迹预测系统和航班轨迹承载自动化延误风险转移系统及其对应方法 |
WO2017134398A1 (fr) * | 2016-02-03 | 2017-08-10 | So.No.Par | Dispositif de prévision d'altitude de la limite pluie-neige |
CN109100722A (zh) * | 2018-07-25 | 2018-12-28 | 南京信息工程大学 | 基于雷达回波图像扇区分量分析的风暴趋势预测方法 |
CN109239808A (zh) * | 2018-08-01 | 2019-01-18 | 平安科技(深圳)有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN109376895A (zh) * | 2018-08-28 | 2019-02-22 | 中国电子科技集团公司第二十八研究所 | 基于实时雷达回波图的民航流量管制策略制定方法与系统 |
CN109765559A (zh) * | 2019-02-02 | 2019-05-17 | 中国水利水电科学研究院 | 一种基于多普勒雷达和深度学习的山区致灾暴雨识别方法 |
CN109799550A (zh) * | 2019-03-20 | 2019-05-24 | 北京百度网讯科技有限公司 | 用于预测降雨强度的方法和装置 |
CN110135654A (zh) * | 2019-05-24 | 2019-08-16 | 北京百度网讯科技有限公司 | 用于预测强对流天气的方法和装置 |
CN110045441A (zh) * | 2019-06-04 | 2019-07-23 | 北京航天宏图信息技术股份有限公司 | 基于雷达回波图的天气分析方法及装置 |
CN110324541A (zh) * | 2019-07-12 | 2019-10-11 | 上海集成电路研发中心有限公司 | 一种滤波联合去噪插值方法及装置 |
Non-Patent Citations (5)
Title |
---|
GAO, JIAN; YE, PENG; ZENG, HAO; SONG, JINPENG; WEI, WENTAO; YANG: "An adaptive calibration technique of timing skew mismatch in time-interleaved analog-to-digital converters", 《REVIEW OF SCIENTIFIC INSTRUMENTS》 * |
SERIESSTEFAN SCHLAFFERA: "Probabilistic mapping of flood-induced backscatter changes in SAR time series", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION》 * |
丁建军: "基于雷达跟踪外推及Google Maps 的强对流天气临近预报", 《气象科技》 * |
任博涵: "利用深度学习进行图像分割", 《中国设备工程》 * |
卓玛群措: "气象预测与预报工作探讨", 《环境科学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505740A (zh) * | 2020-04-22 | 2020-08-07 | 上海眼控科技股份有限公司 | 气象预测方法、装置、计算机设备和存储介质 |
CN111505740B (zh) * | 2020-04-22 | 2021-12-07 | 上海眼控科技股份有限公司 | 气象预测方法、装置、计算机设备和存储介质 |
CN111505645A (zh) * | 2020-04-26 | 2020-08-07 | 上海眼控科技股份有限公司 | 雷达云图数据的显示方法、装置、计算机设备和存储介质 |
CN111538013A (zh) * | 2020-05-12 | 2020-08-14 | 上海眼控科技股份有限公司 | 雷达回波外推方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110673146B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673146B (zh) | 气象预测图检测方法、装置、计算机设备和可读存储介质 | |
CN110298802B (zh) | 路面裂缝检测方法及装置 | |
CN109798903B (zh) | 一种从地图数据中获取道路信息的方法及装置 | |
KR102143108B1 (ko) | 차선 인식 모델링 방법, 장치, 저장 매체 및 기기, 및 인식 방법, 장치, 저장 매체 및 기기 | |
CN112233240B (zh) | 三维矢量地图的三维矢量数据切片方法、装置及电子设备 | |
CN113470374B (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
CN114549543A (zh) | 建筑物的三维模型构建方法、装置、终端及存储介质 | |
CN106780064B (zh) | 一种区域划分方法、装置及网络设备 | |
CN112949507A (zh) | 人脸检测方法、装置、计算机设备及存储介质 | |
CN113160087B (zh) | 图像增强方法、装置、计算机设备及存储介质 | |
CN111047088A (zh) | 预测图像获取方法、装置、计算机设备和存储介质 | |
CN111028260A (zh) | 图像预测方法、装置、计算机设备和存储介质 | |
CN104102637A (zh) | 一种生成热点区域的方法及装置 | |
CN111179274A (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
CN110942455A (zh) | 输电线路开口销缺失检测方法、装置和计算机设备 | |
CN113570122A (zh) | 预测风速的方法、装置、计算机设备和存储介质 | |
CN111105076A (zh) | 天气预报数据的生成方法、装置、计算机设备和存储介质 | |
CN111209908A (zh) | 更新标注框的方法、装置、存储介质和计算机设备 | |
CN113963314A (zh) | 降雨量监测方法、装置、计算机设备及存储介质 | |
CN110516559B (zh) | 适用于精准监控的目标跟踪方法及装置、计算机设备 | |
CN116229419B (zh) | 一种行人检测方法及装置 | |
CN117036457A (zh) | 一种屋顶面积的测量方法、装置、设备及存储介质 | |
WO2023000856A1 (zh) | 一种异常事件检测方法、装置、电子设备、存储介质及计算机程序产品 | |
CN108830303B (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN111161303A (zh) | 标记方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Meteorological prediction map detection method, device, computer equipment and readable storage medium Effective date of registration: 20220211 Granted publication date: 20211207 Pledgee: Shanghai Bianwei Network Technology Co.,Ltd. Pledgor: SHANGHAI EYE CONTROL TECHNOLOGY Co.,Ltd. Registration number: Y2022310000023 |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211207 |