CN110956677A - 雷达图的预测方法、装置、计算机设备和存储介质 - Google Patents
雷达图的预测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110956677A CN110956677A CN201911279943.1A CN201911279943A CN110956677A CN 110956677 A CN110956677 A CN 110956677A CN 201911279943 A CN201911279943 A CN 201911279943A CN 110956677 A CN110956677 A CN 110956677A
- Authority
- CN
- China
- Prior art keywords
- line
- sequence
- radar
- meteorological
- historical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 28
- 238000002310 reflectometry Methods 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 17
- 238000012351 Integrated analysis Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 description 1
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 description 1
- 101150061388 LON1 gene Proteins 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 101150004293 lon2 gene Proteins 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种雷达图的预测方法、装置、计算机设备和存储介质。所述方法包括：获取预设地理区域的幅合线图序列；所述幅合线图序列由多个幅合线图组成，所述幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；获取所述预设地理区域的历史雷达图序列；所述历史雷达图序列由多个历史雷达图组成，所述历史雷达图根据气象雷达采集到的历史雷达数据确定；对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列；将所述输入图序列输入到预先训练的气象预测模型中，得到所述气象预测模型输出的预测雷达图序列。通过本发明实施例，提高了气象预测模型预测的准确性。
Description
技术领域
本申请涉及气象技术领域，特别是涉及一种雷达图的预测方法、装置、计算机设备和存储介质。
背景技术
短时临近预报，是一种预防紧急局地强风暴等灾害性天气的预报服务项目。主要采用的技术包括外推技术、数值预报技术以及概念模型预报技术等。随着计算机科学技术的发展，采用人工智能预测模型进行短时临近预报逐渐进入人们的视线。
相关技术中，采用人工智能预测模型进行短时临近预报的过程包括：根据气象雷达采集到的雷达数据训练人工智能预测模型，将历史雷达数据输入到人工智能预测模型中，人工智能预测模型输出预测雷达数据，接着根据预测雷数据进行短时临近预报。
但是，人工智能预测模型仅考虑到雷达数据而没有考虑到天气系统变化的物理过程和机制，因此预测准确性仍有待提高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高预测准确性的雷达图的预测方法、装置、计算机设备和存储介质。
第一方面，本发明实施例提供了一种雷达图的预测方法，该方法包括：
获取预设地理区域的幅合线图序列；幅合线图序列由多个幅合线图组成，幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
获取预设地理区域的历史雷达图序列；历史雷达图序列由多个历史雷达图组成，历史雷达图根据气象雷达采集到的历史雷达数据确定；
对幅合线图序列和历史雷达图序列进行组合，得到输入图序列；
将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。
在其中一个实施例中，上述对幅合线图序列和历史雷达图序列进行组合，得到输入图序列，包括：
将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；
将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
在其中一个实施例中，上述将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应，包括：
若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
在其中一个实施例中，在上述将各历史雷达图与对应的幅合线图进行合并，得到输入图序列之前，该方法还包括：
将各幅合线图的尺寸变换为历史雷达图的尺寸。
在其中一个实施例中，上述获取预设地理区域的幅合线图序列，包括：
根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；
根据预设时段内的风场信息显示多个风向信息图；
在各风向信息图上标注幅合线；
根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
在其中一个实施例中，上述根据预设时段内的风场信息显示多个风向信息图，包括：
根据预设时段内的风场信息生成对应各时间点的风向信息图；
按照预设显示方式显示各时间点的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
在其中一个实施例中，上述根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息，包括：
获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；
从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在其中一个实施例中，上述获取预设地理区域的历史雷达图序列，包括：
根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；
对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
第二方面，本发明实施例提供了一种雷达图的预测装置，该装置包括：
幅合线图序列获取模块，用于获取预设地理区域的幅合线图序列；所述幅合线图序列由多个幅合线图组成，所述幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
雷达图序列获取模块，用于获取所述预设地理区域的历史雷达图序列；所述历史雷达图序列由多个历史雷达图组成，所述历史雷达图根据气象雷达采集到的历史雷达数据确定；
组合模块，用于对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列；
预测模块，用于将所述输入图序列输入到预先训练的气象预测模型中，得到所述气象预测模型输出的预测雷达图序列。
在其中一个实施例中，上述组合模块，具体用于将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
在其中一个实施例中，上述组合模块，具体用于若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
在其中一个实施例中，该装置还包括：
尺寸变换模块，用于将各幅合线图的尺寸变换为历史雷达图的尺寸。
在其中一个实施例中，上述幅合线图序列获取模块包括：
风场信息获取子模块，用于根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；
风向信息图显示子模块，用于根据预设时段内的风场信息显示多个风向信息图；
标注子模块，用于在各风向信息图上标注幅合线；
二值化处理子模块，用于根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
在其中一个实施例中，上述风向信息图显示子模块，具体用于根据预设时段内的风场信息生成对应各时间点的风向信息图；按照预设显示方式显示各时间点的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
在其中一个实施例中，上述风场信息获取子模块，具体用于获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在其中一个实施例中，上述雷达图序列获取模块，具体用于根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
第三方面，本发明实施例提供了一种计算机设备，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如上述方法中的步骤。
第四方面，本发明实施例提供了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如上述方法中的步骤。
上述雷达图的预测方法、装置、计算机设备和存储介质，获取预设地理区域的幅合线图序列；获取预设地理区域的历史雷达图序列；对幅合线图序列和历史雷达图序列进行组合，得到输入图序列；将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。通过本发明实施例，输入气象预测模型的输入图序列包含气象雷达所采集到的天气信息和气象信息综合分析处理系统所收集到的气象数据，因此气象预测模型进行预测时可依据的信息更多，预测的结果更加准确。
附图说明
图1为一个实施例中雷达图的预测方法的应用环境图；
图2为一个实施例中雷达图的预测方法的流程示意图；
图3为一个实施例中对幅合线图序列和历史雷达图序列进行组合，得到输入图序列步骤的流程示意图；
图4为另一个实施例中雷达图的预测方法的流程示意图；
图5为一个实施例中的风向信息图的示意图；
图6为一个实施例中雷达图的预测装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
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。
本申请提供的雷达图的预测方法，可以应用于如图1所示的应用环境中。该应用环境中包括服务器101和气象雷达102。服务器101与气象雷达102通过网络进行通信其中，服务器101可以用独立的服务器或者是多个服务器组成的服务器集群来实现。气象雷达102可以是测云雷达、气象多普勒雷达等。在服务器101上可以布置气象信息综合分析处理系统，气象信息综合分析处理系统(MICAPS)是与卫星通讯、数据库配套的支持天气预报制作的人机交互系统。
在一个实施例中，如图2所示，提供了一种雷达图的预测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤201，获取预设地理区域的幅合线图序列；幅合线图序列由多个幅合线图组成，幅合线图根据气象信息综合分析处理系统收集到的气象数据确定。
本实施例中，气象卫星(meteorological satellite)从太空对地球及大气层进行气象观测，并将气象数据发送至气象卫星地面站，气象卫星地面站再将气象数据发送至服务器，服务器通过气象信息综合分析处理系统MICAPS收集并存储气象数据，还可以通过检索各种气象数据，显示气象数据的图形和图像，对各种气象图形进行编辑加工，为气象预报人员提供一个中期、短期、短时天气预报。
获取预设地理区域的幅合线图具体可以包括：获取气象信息综合分析处理系统收集到的预设地理区域的气象数据，根据气象数据分析出不同性质的风的交锋位置，从而确定幅合线图；在得到多个幅合线图之后，由多个幅合线图组成幅合线图序列。
例如，从气象信息综合分析处理系统收集到的气象数据中获取华中地区的气象数据，气象数据中带有北方方向分量的风大多数是冷风，带有南方方向分量的风大多数是暖风，冷风和暖风的交锋位置就会出现幅合线，根据幅合线即可得到多个幅合线图。本发明实施例对幅合线图序列中的幅合线图的数量不作详细限定，可以根据实际情况进行设置。
步骤202，获取预设地理区域的历史雷达图序列；历史雷达图序列由多个历史雷达图组成，历史雷达图根据气象雷达采集到的历史雷达数据确定。
本实施例中，气象雷达发射微波信号，并根据回波信号生成包括天气信息的雷达数据。服务器接收气象雷达发送的雷达数据并进行存储。在实际操作中，服务器从存储的历史雷达数据中获取到预设地理区域的历史雷达数据，再根据历史雷达数据生成多个历史雷达图，最后由多个历史雷达图组成历史雷达图序列。本发明实施例对历史雷达图序列中的历史雷达图的数量不作详细限定，可以根据实际情况进行设置。
本发明实施例对获取幅合线序列和获取历史雷达图序列的步骤不作详细限定，可以根据实际情况进行设置。
步骤203，对幅合线图序列和历史雷达图序列进行组合，得到输入图序列。
本实施例中，在获取到幅合线图序列和历史雷达图序列之后，将幅合线图序列与历史雷达图序列进行组合。具体地，幅合线图和历史雷达图均可以采用矩阵进行表示，将幅合线图的矩阵与历史雷达图的矩阵进行合并，得到输入图对应的矩阵，即得到输入图，进而由多个输入图得到输入图序列。
例如，幅合线图和历史雷达图均表示为128*128*1的矩阵，在将幅合线图的矩阵与历史雷达图的矩阵进行合并，得到输入图对应的128*128*2的矩阵。本发明实施例对矩阵不作详细限定，可以根据实际情况进行设置。
步骤204，将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。
本实施例中，预先训练气象预测模型，在得到输入图序列之后，将输入图序列输入到气象预测模型中，气象预测模型根据输入图序列进行预测并输出预测雷达图序列。本发明实施例对预测雷达图序列中预测雷达图的数量不作详细限定，可以根据实际情况进行设置。
在预先训练气象预测模型时，可以根据步骤201-204的过程获得训练样本，从而进行气象预测模型的训练。气象预测模型可以是神经网络模型，本发明实施例对此不作详细限定，可以根据实际情况进行设置。
上述雷达图的预测方法中，获取预设地理区域的幅合线图序列；获取预设地理区域的历史雷达图序列；对幅合线图序列和历史雷达图序列进行组合，得到输入图序列；将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。通过本发明实施例，输入气象预测模型的输入图序列包含气象雷达所采集到的天气信息和气象信息综合分析处理系统所收集到的气象数据，因此气象预测模型进行预测时可依据的信息更多，预测的结果更加准确。
在另一个实施例中，如图3所示，本实施例涉及的是对幅合线图序列和历史雷达图序列进行组合，得到输入图序列的一种可选的过程。在上述图2所示实施例的基础上，上述步骤203具体可以包括以下步骤：
步骤301，将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应。
本实施例中，获取到的历史雷达图序列和幅合线图序列是在预设时段内的，这样，在对幅合线图序列和历史雷达图序列进行组合时，可以按照时间将历史雷达图和幅合线图一一对应。
在其中一个实施例中，若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
例如，历史雷达图序列中包括历史雷达图A1、A2……A10，幅合线图序列中包括幅合线图B1和B2。其中，A1和B1对应同一时间点t1，A6和B2对应同一时间点t6，则按照时间将历史雷达图A1与幅合线图B1对应，将历史雷达图A6与幅合线图B2对应。其中，历史雷达图A2、A3、A4、A5分别对应时间点t2、t3、t4、t5，但是时间点t2、t3、t4、t5并没有对应的幅合线图。因此，将时间点t1的幅合线图B1与历史雷达图A2、A3、A4、A5对应。同样地，将时间点t6的幅合线图B2与历史雷达图A7、A8、A9、A10对应。
步骤302，将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
本实施例中，在将历史雷达图与幅合线图按照时间一一对应后，将历史雷达图与幅合线图一一进行合并，得到多个合并后的输入图，并由多个输入图组成输入图序列。
例如，将历史雷达图A1与幅合线图B1合并，得到输入图C1；以此类推，将历史雷达图A2、A3、A4、A5分别与幅合线图B1合并，得到输入图C2、C3、C4、C5。再将历史雷达图A6、A7……A10分别与幅合线图B2合并，得到输入图C6、C7……C10。最后，由输入图C1、C2……C10组成输入图序列。
上述对幅合线图序列和历史雷达图序列进行组合，得到输入图序列的步骤中，将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。通过本发明实施例，得到输入气象预测模型的输入图序列，该输入图序列不仅包含气象雷达采集到的天气信息，也包括气象信息综合分析处理系统收集到的气象数据，即输入图序列包含丰富的天气信息，可以使气象预测模型根据输入图序列得到更加准确的雷达图，从而提高短时临近预报的准确性。
在另一个实施例中，如图4所示，本实施例涉及的是雷达图的预测方法一种可选的过程。在上述实施例的基础上，具体可以包括以下步骤：
步骤401，根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息。
本实施例中，气象数据包括地面全要素填图数据，具体地，获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在实际应用中，气象信息综合分析处理系统MICAPS收集的地面全要素填图数据每隔3小时发布一次，文件类型为txt格式。从地面全要素填图数据中可以提取出预设地理区域在预设时段内的风场信息，其中，风场信息包括经度、纬度、风向和风速，可以记为(lat1，lon1，dir1，inte1)，(lat2，lon2，dir2，inte2)，……(latn，lonn，dirn，inten)。
步骤402，根据预设时段内的风场信息显示多个风向信息图。
本实施例中，根据预设时段内的风场信息生成对应各时间点的风向信息图；按照预设显示方式显示各时间点的风向信息图，参照图5所示的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
具体地，将预设时段内的风场信息按照时间点生成多个风向信息图，可以依次显示多个风向信息图，也可以同时显示多个风向信息图。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
在显示风向信息图时，只显示高于预设风速的风向信息，而不显示低于预设风速的风向信息。例如，只显示高于2m/s的风向信息，不显示低于2m/s的风向信息。本发明实施例对预设风速不作详细限定，可以根据实际情况进行设置。并且，各风向信息采用不同的颜色进行显示。在确定颜色时，可以将象限区分方式和颜色空间方式结合到一起。其中，象限区分方式是根据风向的象限将其划分为四组，每组设置对应的颜色；颜色空间方式是根据色调为不同方向的风设置对应的颜色。
步骤403，在各风向信息图上标注幅合线。
本实施例中，显示风向信息图之后，可以由标注人员使用标注工具在风向信息图上标注幅合线，也可以由服务器根据风向信息标注幅合线。本发明实施例对此不作详细限定，可以根据实际情况进行设置。
步骤404，根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
本实施例中，在标注幅合线之后，根据幅合线对风向信息图进行二值化处理。具体地，将幅合线覆盖区域内的像素值设置为第一值，将幅合线覆盖区域外的像素值设置为第二值。
例如，将幅合线覆盖区域内的像素值设置为1，将幅合线覆盖区域外的像素值设置为0。本发明实施例对第一值和第二值不作详细限定，可以根据实际情况进行设置。
在对风向信息图进行二值化处理之后，即可以得到幅合线图；得到多个幅合线图之后，由多个幅合线图组成幅合线图序列。
步骤405，根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
本实施例中，气象雷达生成的源文件为每6分钟一次，采用二进制、ncl、iris等格式进行存储。从源文件中解析出历史雷达数据，从解析出的历史雷达数据中提取出预设时段内的反射率数据。其中，反射率数据可以记为(c，m，n)，c、m、n分别为通道、长、宽。如果源文件为ppi数据，通道表示不同仰角的索引；如果源文件为cappi数据，通道表示不同等高面的索引。本发明实施例中历史雷达图可以采用组合反射率，具体地，对提取到的反射率数据进行插值，可以得到多层反射率数据，然后取各层反射率数据在通道维度上的最大值，则得到组合反射率。组合反射率可以采用矩阵标识，例如，矩阵尺寸为m*n。
本发明实施例对获取幅合线序列和获取历史雷达图序列的步骤不作详细限定，可以根据实际情况进行设置。
步骤406，将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应。
在其中一个实施例中，若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
本实施例中，由于气象雷达的源文件为每6分钟一次，地面全要素填图数据每隔3小时发布一次，因此，在某些时间点，历史雷达图没有对应的幅合线图，可以将上一时间点的幅合线图与这个时间点的历史雷达图进行对应。
步骤407，将各幅合线图的尺寸变换为历史雷达图的尺寸。
在实际应用中，幅合线图的尺寸与历史雷达图的尺寸不同，为了进行历史雷达图和幅合线图的合并，对幅合线图进行缩放，将各幅合线图的尺寸变换为历史雷达图的尺寸。
例如，历史雷达图的尺寸为128*128*1，则将幅合线图的尺寸缩放至128*128*1。本发明实施例对历史雷达图的尺寸不作详细限定，可以根据实际情况进行设置。
步骤408，将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
步骤409，将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。
上述雷达图的预测方法中，根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；根据预设时段内的风场信息显示多个风向信息图；在各风向信息图上标注幅合线；根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列；根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列；将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；将各幅合线图的尺寸变换为历史雷达图的尺寸；将各历史雷达图与对应的幅合线图进行合并，得到输入图序列；将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。通过本发明实施例，气象预测模型在进行预测时，不仅考虑气象雷达采集到的天气信息，也考虑气象信息综合分析处理系统受到的气象数据，因此可以提高预测准确度。
应该理解的是，虽然图2-4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2-4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。
在一个实施例中，如图6所示，提供了一种雷达图的预测装置，包括：
幅合线图序列获取模块501，用于获取预设地理区域的幅合线图序列；所述幅合线图序列由多个幅合线图组成，所述幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
雷达图序列获取模块502，用于获取所述预设地理区域的历史雷达图序列；所述历史雷达图序列由多个历史雷达图组成，所述历史雷达图根据气象雷达采集到的历史雷达数据确定；
组合模块503，用于对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列；
预测模块504，用于将所述输入图序列输入到预先训练的气象预测模型中，得到所述气象预测模型输出的预测雷达图序列。
在其中一个实施例中，上述组合模块503，具体用于将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
在其中一个实施例中，上述组合模块503，具体用于若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
在其中一个实施例中，该装置还包括：
尺寸变换模块，用于将各幅合线图的尺寸变换为历史雷达图的尺寸。
在其中一个实施例中，上述幅合线图序列获取模块501包括：
风场信息获取子模块，用于根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；
风向信息图显示子模块，用于根据预设时段内的风场信息显示多个风向信息图；
标注子模块，用于在各风向信息图上标注幅合线；
二值化处理子模块，用于根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
在其中一个实施例中，上述风向信息图显示子模块，具体用于根据预设时段内的风场信息生成对应各时间点的风向信息图；按照预设显示方式显示各时间点的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
在其中一个实施例中，上述风场信息获取子模块，具体用于获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在其中一个实施例中，上述雷达图序列获取模块502，具体用于根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
关于雷达图的预测装置的具体限定可以参见上文中对于雷达图的预测方法的限定，在此不再赘述。上述雷达图的预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，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。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、计算机程序和数据库。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。该计算机设备的数据库用于存储雷达图的预测数据。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。该计算机程序被处理器执行时以实现一种雷达图的预测方法。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
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：
获取预设地理区域的幅合线图序列；幅合线图序列由多个幅合线图组成，幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
获取预设地理区域的历史雷达图序列；历史雷达图序列由多个历史雷达图组成，历史雷达图根据气象雷达采集到的历史雷达数据确定；
对幅合线图序列和历史雷达图序列进行组合，得到输入图序列；
将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；
将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将各幅合线图的尺寸变换为历史雷达图的尺寸。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；
根据预设时段内的风场信息显示多个风向信息图；
在各风向信息图上标注幅合线；
根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据预设时段内的风场信息生成对应各时间点的风向信息图；
按照预设显示方式显示各时间点的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；
从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；
对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
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：
获取预设地理区域的幅合线图序列；幅合线图序列由多个幅合线图组成，幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
获取预设地理区域的历史雷达图序列；历史雷达图序列由多个历史雷达图组成，历史雷达图根据气象雷达采集到的历史雷达数据确定；
对幅合线图序列和历史雷达图序列进行组合，得到输入图序列；
将输入图序列输入到预先训练的气象预测模型中，得到气象预测模型输出的预测雷达图序列。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将历史雷达图序列中的历史雷达图与幅合线图序列中的幅合线图按照时间一一对应；
将各历史雷达图与对应的幅合线图进行合并，得到输入图序列。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若在一个时间点历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与历史雷达图对应。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将各幅合线图的尺寸变换为历史雷达图的尺寸。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据气象信息综合分析处理系统收集到的气象数据，得到预设地理区域在预设时段内的风场信息；
根据预设时段内的风场信息显示多个风向信息图；
在各风向信息图上标注幅合线；
根据幅合线对风向信息图进行二值化处理，得到由多个幅合线图组成的幅合线图序列。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设时段内的风场信息生成对应各时间点的风向信息图；
按照预设显示方式显示各时间点的风向信息图；预设显示方式包括风速显示方式和颜色显示方式；风速显示方式包括显示高于预设风速的风向信息；颜色显示方式包括象限区分方式和颜色空间方式。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取气象信息综合分析处理系统收集的预设地理区域的地面全要素填图数据；
从地面全要素填图数据中提取出预设时段的风场信息；风场信息包括经度、维度、风向和风速。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据气象雷达采集到的历史雷达数据，得到预设时段内的反射率数据；
对反射率数据进行插值处理，得到预设时段内的历史雷达图，并组成历史雷达图序列。
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。
以上实施例的各技术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所有可能的组合都进行描述，然而，只要这些技术的组合不存在矛盾，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申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种雷达图的预测方法，其特征在于，所述方法包括：
获取预设地理区域的幅合线图序列；所述幅合线图序列由多个幅合线图组成，所述幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
获取所述预设地理区域的历史雷达图序列；所述历史雷达图序列由多个历史雷达图组成，所述历史雷达图根据气象雷达采集到的历史雷达数据确定；
对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列；
将所述输入图序列输入到预先训练的气象预测模型中，得到所述气象预测模型输出的预测雷达图序列。
2.根据权利要求1所述的方法，其特征在于，所述对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列，包括：
将所述历史雷达图序列中的历史雷达图与所述幅合线图序列中的幅合线图按照时间一一对应；
将各所述历史雷达图与对应的幅合线图进行合并，得到所述输入图序列。
3.根据权利要求2所述的方法，其特征在于，所述将所述历史雷达图序列中的历史雷达图与所述幅合线图序列中的幅合线图按照时间一一对应，包括：
若在一个时间点所述历史雷达图没有对应的幅合线图，则将上一时间点的幅合线图与所述历史雷达图对应。
4.根据权利要求2所述的方法，其特征在于，在所述将各所述历史雷达图与对应的幅合线图进行合并，得到所述输入图序列之前，所述方法还包括：
将各所述幅合线图的尺寸变换为所述历史雷达图的尺寸。
5.根据权利要求1所述的方法，其特征在于，所述获取预设地理区域的幅合线图序列，包括：
根据所述气象信息综合分析处理系统收集到的所述气象数据，得到所述预设地理区域在预设时段内的风场信息；
根据所述预设时段内的风场信息显示多个风向信息图；
在各所述风向信息图上标注幅合线；
根据所述幅合线对所述风向信息图进行二值化处理，得到由多个所述幅合线图组成的所述幅合线图序列。
6.根据权利要求5所述的方法，其特征在于，所述根据所述预设时段内的风场信息显示多个风向信息图，包括：
根据所述预设时段内的风场信息生成对应各时间点的风向信息图；
按照预设显示方式显示所述各时间点的风向信息图；所述预设显示方式包括风速显示方式和颜色显示方式；所述风速显示方式包括显示高于预设风速的风向信息；所述颜色显示方式包括象限区分方式和颜色空间方式。
7.根据权利要求5所述的方法，其特征在于，所述根据所述气象信息综合分析处理系统收集到的所述气象数据，得到所述预设地理区域在预设时段内的风场信息，包括：
获取所述气象信息综合分析处理系统收集的所述预设地理区域的地面全要素填图数据；
从所述地面全要素填图数据中提取出所述预设时段的风场信息；所述风场信息包括经度、维度、风向和风速。
8.根据权利要求1所述的方法，其特征在于，所述获取所述预设地理区域的历史雷达图序列，包括：
根据所述气象雷达采集到的所述历史雷达数据，得到预设时段内的反射率数据；
对所述反射率数据进行插值处理，得到所述预设时段内的所述历史雷达图，并组成所述历史雷达图序列。
9.一种雷达图的预测装置，其特征在于，所述装置包括：
幅合线图序列获取模块，用于获取预设地理区域的幅合线图序列；所述幅合线图序列由多个幅合线图组成，所述幅合线图根据气象信息综合分析处理系统收集到的气象数据确定；
雷达图序列获取模块，用于获取所述预设地理区域的历史雷达图序列；所述历史雷达图序列由多个历史雷达图组成，所述历史雷达图根据气象雷达采集到的历史雷达数据确定；
组合模块，用于对所述幅合线图序列和所述历史雷达图序列进行组合，得到输入图序列；
预测模块，用于将所述输入图序列输入到预先训练的气象预测模型中，得到所述气象预测模型输出的预测雷达图序列。
10.一种计算机设备，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至8中任一项所述方法的步骤。
11.一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至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911279943.1A CN110956677A (zh) | 2019-12-13 | 2019-12-13 | 雷达图的预测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911279943.1A CN110956677A (zh) | 2019-12-13 | 2019-12-13 | 雷达图的预测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110956677A true CN110956677A (zh) | 2020-04-03 |
Family
ID=69981311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911279943.1A Pending CN110956677A (zh) | 2019-12-13 | 2019-12-13 | 雷达图的预测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110956677A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652435A (zh) * | 2020-06-03 | 2020-09-11 | 上海眼控科技股份有限公司 | 风切变预测方法、装置、计算机设备及可读存储介质 |
| CN111830595A (zh) * | 2020-06-09 | 2020-10-27 | 上海眼控科技股份有限公司 | 气象要素的预测方法及设备 |
| CN111860996A (zh) * | 2020-07-15 | 2020-10-30 | 中科三清科技有限公司 | 一种空气质量模型的排放源数据生成方法及装置、介质 |
| CN113034645A (zh) * | 2021-03-23 | 2021-06-25 | 中国地质科学院地质力学研究所 | 一种岩性填图的方法、装置和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102609725A (zh) * | 2012-02-17 | 2012-07-25 | 天津大学 | 一种用于气象学中提取边界层辐合线区域的方法 |
| WO2014197273A1 (en) * | 2013-06-06 | 2014-12-11 | Massachusetts Institute Of Technology | Graphical display of radar and radar-like meteorological data |
| US20150309208A1 (en) * | 2014-04-05 | 2015-10-29 | Dynamic Weather Solutions, Inc | Systems and methods for localized hail activity alerts |
| WO2015182142A1 (ja) * | 2014-05-28 | 2015-12-03 | 国立大学法人京都大学 | 気象予報システム |
| CN105607062A (zh) * | 2015-12-29 | 2016-05-25 | 南威软件股份有限公司 | 一种天气雷达图分析系统 |
| CN108508505A (zh) * | 2018-02-05 | 2018-09-07 | 南京云思创智信息科技有限公司 | 基于多尺度卷积神经网络的强降雨及雷暴预报方法和系统 |
| 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 |
-
2019
- 2019-12-13 CN CN201911279943.1A patent/CN110956677A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102609725A (zh) * | 2012-02-17 | 2012-07-25 | 天津大学 | 一种用于气象学中提取边界层辐合线区域的方法 |
| WO2014197273A1 (en) * | 2013-06-06 | 2014-12-11 | Massachusetts Institute Of Technology | Graphical display of radar and radar-like meteorological data |
| US20150309208A1 (en) * | 2014-04-05 | 2015-10-29 | Dynamic Weather Solutions, Inc | Systems and methods for localized hail activity alerts |
| WO2015182142A1 (ja) * | 2014-05-28 | 2015-12-03 | 国立大学法人京都大学 | 気象予報システム |
| CN105607062A (zh) * | 2015-12-29 | 2016-05-25 | 南威软件股份有限公司 | 一种天气雷达图分析系统 |
| CN108508505A (zh) * | 2018-02-05 | 2018-09-07 | 南京云思创智信息科技有限公司 | 基于多尺度卷积神经网络的强降雨及雷暴预报方法和系统 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| 段菁春;胡京南;谭吉华;陈红;: "特征雷达图的设计及其在大气污染成因分析中的应用" * |
| 江晓华;杨仁伦;党建涛;汪正林;杨道勇;: "发射场气象网络化训练系统的设计与应用" * |
| 陈明轩,俞小鼎,谭晓光,王迎春: "对流天气临近预报技术的发展与研究进展" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111652435A (zh) * | 2020-06-03 | 2020-09-11 | 上海眼控科技股份有限公司 | 风切变预测方法、装置、计算机设备及可读存储介质 |
| CN111830595A (zh) * | 2020-06-09 | 2020-10-27 | 上海眼控科技股份有限公司 | 气象要素的预测方法及设备 |
| CN111860996A (zh) * | 2020-07-15 | 2020-10-30 | 中科三清科技有限公司 | 一种空气质量模型的排放源数据生成方法及装置、介质 |
| CN113034645A (zh) * | 2021-03-23 | 2021-06-25 | 中国地质科学院地质力学研究所 | 一种岩性填图的方法、装置和存储介质 |
| CN113034645B (zh) * | 2021-03-23 | 2021-09-03 | 中国地质科学院地质力学研究所 | 一种岩性填图的方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110956677A (zh) | 雷达图的预测方法、装置、计算机设备和存储介质 | |
| US11131790B2 (en) | Method of and system for generating weather forecast | |
| US10795056B2 (en) | Local weather forecast | |
| CN110363327B (zh) | 基于ConvLSTM和3D-CNN的短临降水预测方法 | |
| CN114365153A (zh) | 预测天气雷达图像 | |
| CN107909084B (zh) | 一种基于卷积-线性回归网络的雾霾浓度预测方法 | |
| CN113496104A (zh) | 基于深度学习的降水预报订正方法及系统 | |
| JP2017203773A (ja) | 海上気象予報提供方法 | |
| US20240176045A1 (en) | Nowcasting using generative neural networks | |
| CN113011295B (zh) | 基于遥感影像识别光伏发电站的方法、计算机设备和介质 | |
| CN111047088A (zh) | 预测图像获取方法、装置、计算机设备和存储介质 | |
| CN112668615B (zh) | 一种基于深度跨尺度外推融合的卫星云图预测方法 | |
| Dragicevic et al. | An application of fuzzy logic reasoning for GIS temporal modeling of dynamic processes | |
| JP2019067074A (ja) | 風環境学習装置、風環境評価システム、風環境学習方法及び風環境評価方法 | |
| Pullman et al. | Applying deep learning to hail detection: A case study | |
| Thong et al. | Interpolative picture fuzzy rules: A novel forecast method for weather nowcasting | |
| CN114170528B (zh) | 一种基于卫星云图的强对流区域识别方法 | |
| CN114385611A (zh) | 一种基于人工智能算法和知识图谱的降水预测方法和系统 | |
| Kaparakis et al. | Wf-unet: Weather fusion unet for precipitation nowcasting | |
| Kim et al. | Multi-source deep data fusion and super-resolution for downscaling sea surface temperature guided by Generative Adversarial Network-based spatiotemporal dependency learning | |
| CN117233869A (zh) | 一种基于GRU-BiTCN的站点短期风速预测方法 | |
| Lee et al. | Estimation of maximum daily fresh snow accumulation using an artificial neural network model | |
| CN115936238B (zh) | 一种全域风电中长期出力预测方法、系统、设备及介质 | |
| CN110674324A (zh) | 雷达数据存储方法、装置、计算机设备和存储介质 | |
| Kaparakis et al. | WF-UNet: Weather data fusion using 3d-unet for precipitation nowcasting |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240621 |