发明内容
本发明目的之一在于提供了基于贝叶斯融合的统计与监测下的场降雨特征的预测方法,引入贝叶斯融合技术,根据降雨先验概率、当前云层特征和监测数据共同确定目标时刻的场降雨特征,在拓展了预测的时间跨度的同时,也提高了降雨预测的精度。
本发明实施例提供的基于贝叶斯融合的统计与监测下的场降雨特征的预测方法,包括:
步骤1:根据目标天气数据,获取目标时刻的降雨先验概率;
步骤2:根据雷达数据,获取当前云层特征;
步骤3:获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据;
步骤4:根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征。
优选的,步骤1:根据目标天气数据,获取目标时刻的降雨先验概率,包括:
获取本地平台的历史数据和目标平台的目标数据,将历史数据和目标数据共同作为待处理数据;
根据预设的天气数据预处理规则,对待处理数据进行预处理,获得目标天气数据;
获取目标天气数据的特征化规则;
基于特征化规则,将目标天气数据特征化,获得目标天气特征;
获取预设的估测模型;
将目标天气特征输入估测模型,获得目标时刻的降雨先验概率。
优选的,步骤2:根据雷达数据,获取当前云层特征,包括:
基于预设的雷达数据预处理规则,根据雷达数据,确定处理数据;
解析处理数据,获取反射率强度和垂直延伸特征;
根据反射率强度和垂直延伸特征,将雷达数据中的回波分割为不同的目标云层;
获取云层特征提取模板;
根据云层特征提取模板,确定目标云层的云层特征。
优选的,步骤3:获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据,包括:
确定监测井分布图中的多个第一监测井;
获取第一监测井的历史水位数据;
根据目标天气数据和历史水位数据,进行目标天气数据影响第一监测井的历史水位数据的变化速率的相关性分析,获得相关性分析结果;
根据相关性分析结果,确定第二监测井,并作为目标监测井;
获取目标监测井的目标水位数据,并作为监测数据。
优选的,获取目标监测井的目标水位数据,包括:
获取目标监测井的巡视人员节点提供的第一水位数据;
获取预先设置在目标监测井内的水位传感器自动上传的第二水位数据;
将第一水位数据和第二水位数据共同作为目标水位数据。
优选的,获取预先设置在目标监测井内的水位传感器自动上传的第二水位数据,包括:
获取水位传感器的水位数据上传记录;
解析水位数据上传记录,确定多个第一时刻上传的第三水位数据;
基于预设的异常数据判定规则,确定第三水位数据中的异常水位数据;
确定异常水位数据对应的第一时刻,并作为第二时刻;
根据第二时刻,确定目标监测井对应设置的目标摄像头的拍摄视频;
根据拍摄视频,确定异常水位数据的异常原因;
根据异常原因,确定第三水位数据中有效的第三水位数据,并作为第二水位数据。
优选的,步骤4:根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征,包括:
根据当前云层特征和降雨先验概率,确定估计概率;
根据估计概率和监测数据,更新估计概率,获得目标时刻的场降雨特征。
本发明实施例提供的基于贝叶斯融合的统计与监测下的场降雨特征的预测方法,还包括:
步骤5:根据场降雨特征,确定降雨等级,根据降雨等级,对目标人员进行相应提醒。
优选的,根据降雨等级,对目标人员进行相应提醒,包括:
获取目标人员所在的生活区域的地貌信息;
基于预设的地貌信息参数化规则,根据地貌信息,确定地貌参数;
基于预设的三维模型构建模板,根据地貌参数,构建生活区域的第一三维模型;
根据降雨等级,在第一三维模型中进行降雨推演,获得第二三维模型;
获取第二三维模型的推演结果;
解析推演结果,确定提醒因子;
基于预设的提醒规则,根据提醒因子,对目标人员进行相应提醒。
本发明实施例提供的基于贝叶斯融合的统计与监测下的场降雨特征的预测系统,包括:
信息处理模块,用于根据目标天气数据,获取目标时刻的降雨先验概率;
雷达降雨模块,用于根据雷达数据,获取当前云层特征;
监测模块,用于获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据;
状态预测模块,用于根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征。
本发明的有益效果为:
本发明引入贝叶斯融合技术,根据降雨先验概率、当前云层特征和监测数据共同确定目标时刻的场降雨特征,在拓展了预测的时间跨度的同时,也提高了降雨预测的精度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了基于贝叶斯融合的统计与监测下的场降雨特征的预测方法,如图1所示,包括:
步骤1:根据目标天气数据,获取目标时刻的降雨先验概率;目标天气数据为:日期、雷达数据、监测点的水位和历史降雨数据;目标天气数据通过数据接口与气象局进行数据获取;对历史降雨数据进行特征值提取,制作关于降雨量与降雨规模的累积频率曲线,利用累积频率曲线作为贝叶斯框架中的降雨先验概率;
步骤2:根据雷达数据,获取当前云层特征;当前云层特征为:云层的高度、类型以及厚度等;
步骤3:获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据;预设的监测井分布图为:用于监测地下水位、水质以及水温等水文地质参数的监测设备的设备分布图;目标监测井为:监测井分布图中能够辅助预测降雨区域的降雨概率的监测井;
步骤4:根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征。贝叶斯融合技术属于现有技术,基本思想是将多个数据源的信息进行融合,得到更加准确和可靠的结果;场降雨特征为:某一时空范围内的降雨过程中,不同位置和不同时间的降雨量、降雨强度以及降雨频率等性质,场降雨特征的获取过程如图2所示。
上述技术方案的工作原理及有益效果为:
本申请根据目标天气数据,获取目标时刻的降雨先验概率;另外,分别根据雷达数据确定当前云层特征以及获取监测井分布图中的目标监测井的监测数据,引入贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征。
本申请引入贝叶斯融合技术,根据降雨先验概率、当前云层特征和监测数据共同确定目标时刻的场降雨特征,在拓展了预测的时间跨度的同时,也提高了降雨预测的精度。
在一个实施例中,步骤1:根据目标天气数据,获取目标时刻的降雨先验概率,包括:
获取本地平台的历史数据和目标平台的目标数据,将历史数据和目标数据共同作为待处理数据;本地平台为:本地气象局;目标平台为:本地平台的关联气象局;目标数据为:目标平台的历史气象数据;
根据预设的天气数据预处理规则,对待处理数据进行预处理,获得目标天气数据;预设的天气数据预处理规则由人工预先设置;
获取目标天气数据的特征化规则;特征化规则为:将目标天气数据特征化的规则,基于特征化技术实现;
基于特征化规则,将目标天气数据特征化,获得目标天气特征;目标天气特征为:气温、降水、云量以及风力;
获取预设的估测模型;估测模型为:预先设置的用于根据天气特征自动绘制关于降雨量与降雨规模的累积频率曲线的智能模型;
将目标天气特征输入估测模型,获得目标时刻的降雨先验概率。降雨先验概率为:关于降雨量与降雨规模的累积频率曲线。
上述技术方案的工作原理及有益效果为:
本申请获取本地平台的历史数据和目标平台的目标数据共同作为待处理数据,引入天气数据预处理规则对待处理数据进行预处理,获得目标天气数据。引入估测模型,将目标天气数据特征化后的目标天气特征输入估测模型获得目标时刻的降雨先验概率,降雨先验概率的获取更精准。
在一个实施例中,步骤2:根据雷达数据,获取当前云层特征,包括:
基于预设的雷达数据预处理规则,根据雷达数据,确定处理数据;预设的雷达数据预处理规则为:滤波、去噪以及分离;
解析处理数据,获取反射率强度和垂直延伸特征;反射率强度为:雷达接收到的回波信号的强度;垂直延伸特征为:雷达回波在垂直方向上的分布特征;
根据反射率强度和垂直延伸特征,将雷达数据中的回波分割为不同的目标云层;目标云层为,例如:流云层,又例如:层状云层;
获取云层特征提取模板;云层特征提取模板为:预先设置的用于提取云层特征的模板;
根据云层特征提取模板,确定目标云层的云层特征。云层特征为:云层的形状、厚度以及高度等。
上述技术方案的工作原理及有益效果为:
本申请引入雷达数据预处理规则,确定雷达数据对应的处理数据,解析处理数据获取反射率强度和垂直延伸特征,并将雷达数据中的回波分割为不同的目标云层;引入云层特征提取模板确定目标云层的云层特征,提升了云层特征获取的合理性。
在一个实施例中,步骤3:获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据,包括:
确定监测井分布图中的多个第一监测井;第一监测井为:监测井分布图中记录的监测井;
获取第一监测井的历史水位数据;历史水位数据为:第一监测井的历史水位记录;
根据目标天气数据和历史水位数据,进行目标天气数据影响第一监测井的历史水位数据的变化速率的相关性分析,获得相关性分析结果;相关性分析包括但不限于:Pearson相关性分析、时间滞后互相关性分析、动态时间扭曲分析以及瞬时相位同步分析等;相关性分析结果为:相关性系数;
根据相关性分析结果,确定第二监测井,并作为目标监测井;根据相关性分析结果,确定第二监测井时,若相关性分析结果大于等于对应相关性分析结果阈值,将对应的第一监测井作为第二监测井,第二监测井为:目标天气数据影响的第一监测井;
获取目标监测井的目标水位数据,并作为监测数据。
上述技术方案的工作原理及有益效果为:
本申请获取监测井分布图中的第一监测井的历史水位数据,根据目标天气数据和历史水位数据,进行目标天气数据影响第一监测井的历史水位数据的变化速率的相关性分析,获得相关性分析结果,确定相关的第二监测井,将第二监测井对应的目标水位数据作为监测数据,提升了监测数据获取的适宜性。
在一个实施例中,获取目标监测井的目标水位数据,包括:
获取目标监测井的巡视人员节点提供的第一水位数据;巡视人员节点为:目标监测井的巡视人员的通讯节点;第一水位数据为:巡视人员记录的目标监测井的水位数据;
获取预先设置在目标监测井内的水位传感器自动上传的第二水位数据;
将第一水位数据和第二水位数据共同作为目标水位数据。
上述技术方案的工作原理及有益效果为:
本申请引入人工巡视获取的第一水位数据和水位传感器自动上传的第二水位数据共同作为目标水位数据,目标水位数据的获取更全面。
在一个实施例中,获取预先设置在目标监测井内的水位传感器自动上传的第二水位数据,包括:
获取水位传感器的水位数据上传记录;水位数据上传记录为:何时水位为多高;
解析水位数据上传记录,确定多个第一时刻上传的第三水位数据;
基于预设的异常数据判定规则,确定第三水位数据中的异常水位数据;异常数据判定规则由人工预先设置,例如:一段时间内减少的水量远大于预测的蒸发量和排出量,则用于计算一段时间内减少的水量的第三水位数据异常;
确定异常水位数据对应的第一时刻,并作为第二时刻;第二时刻为:水位异常的时间;
根据第二时刻,确定目标监测井对应设置的目标摄像头的拍摄视频;目标摄像头为:预先设置在目标监测井周边用于监控目标监测井的摄像装置;拍摄视频为:目标摄像头第二时刻的录制视频;
根据拍摄视频,确定异常水位数据的异常原因;异常原因为异常水位数据的产生原因;
根据异常原因,确定第三水位数据中有效的第三水位数据,并作为第二水位数据。确定第三水位数据中有效的第三水位数据时,基于预设的异常水位数据剔除规则确定,例如:若拍摄视频中存在人为因素影响导致的异常水位数据,则对应剔除。
上述技术方案的工作原理及有益效果为:
本申请解析获取的水位传感器的水位数据上传记录并确定第一时刻上传的第三水位数据,引入异常数据判定规则,确定第三水位数据中的异常水位数据和异常水位数据对应的第二时刻,异常时刻的确定更精确。根据第二时刻,确定目标监测井对应设置的目标摄像头的拍摄视频并确定异常原因,根据异常原因,确定第三水位数据中有效的第三水位数据作为第二水位数据,提高了第二水位数据获取的精准性,进一步提高了后续降雨预测的精确程度。
在一个实施例中,步骤4:根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征,包括:
根据当前云层特征和降雨先验概率,确定估计概率;
根据估计概率和监测数据,更新估计概率,获得目标时刻的场降雨特征。更新估计概率时,将监测数据作为观测资料对估计概率进行更新,获取场降雨特征。
上述技术方案的工作原理及有益效果为:
本申请引入当前云层特征和降雨先验概率,计算估计概率,再根据估计概率和监测数据,更新估计概率,获得场降雨特征,在拓展了预测的时间跨度的同时,也提高了降雨预测的精度。
本发明实施例提供了基于贝叶斯融合的统计与监测下的场降雨特征的预测方法,还包括:
步骤5:根据场降雨特征,确定降雨等级,根据降雨等级,对目标人员进行相应提醒。降雨等级为,例如:暴雨、中雨以及小雨;对目标人员进行相应提醒为,例如:当降雨等级为暴雨时,提醒地势低洼的目标人员转移。
上述技术方案的工作原理及有益效果为:
本申请根据场降雨特征确定降雨等级,根据降雨等级对目标人员进行相应提醒。
在一个实施例中,根据降雨等级,对目标人员进行相应提醒,包括:
获取目标人员所在的生活区域的地貌信息;目标人员所在的生活区域为:目标人员所在区县;地貌信息为:地形信息;
基于预设的地貌信息参数化规则,根据地貌信息,确定地貌参数;预设的地貌信息参数化规则由人工预先设置;地貌参数为:地形特征的量化指标;
基于预设的三维模型构建模板,根据地貌参数,构建生活区域的第一三维模型;预设的三维模型构建模板约束只进行三维模型的构建,基于三维构建技术实现;第一三维模型为:生活区域的三维模型;
根据降雨等级,在第一三维模型中进行降雨推演,获得第二三维模型;第二三维模型为:根据降雨等级在第一三维模型中进行降雨推演获得的动态三维模型;
获取第二三维模型的推演结果;推演结果为,例如:淹没某某范围的居民区;
解析推演结果,确定提醒因子;提醒因子为:推演结果中的淹没特征,例如:某某区域以及淹没程度等;
基于预设的提醒规则,根据提醒因子,对目标人员进行相应提醒。预设的提醒规则由人工预先设置。
上述技术方案的工作原理及有益效果为:
本申请引入地貌信息参数化规则,根据目标人员所在的生活区域的地貌信息,确定地貌参数。引入三维模型构建模板,根据地貌参数,构建第一三维模型。根据降雨等级,在第一三维模型中进行降雨推演,获得第二三维模型,根据第二三维模型的推演结果确定提醒因子,并对目标人员进行相应提醒,提高了气象提醒的适宜性。
本发明实施例提供了基于贝叶斯融合的统计与监测下的场降雨特征的预测系统,如图3所示,包括:
信息处理模块1,用于根据目标天气数据,获取目标时刻的降雨先验概率;
雷达降雨模块2,用于根据雷达数据,获取当前云层特征;
监测模块3,用于获取预设的监测井分布图,确定监测井分布图中的目标监测井的监测数据;
状态预测模块4,用于根据贝叶斯融合技术,统计降雨先验概率、当前云层特征和监测数据,预测目标时刻的场降雨特征。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。