[发明专利]一种基于简单卷积循环神经网络的短临预报方法及系统

说明书

本发明提供了基于简单卷积循环神经网络的短临预报方法及系统，所述方法包括如下步骤：获取用于进行天气短临预报的雷达回波图像序列；将所述雷达回波图像序列输入编码‑解码模型，以生成天气短临预报结果。本发明的有益效果：通过构建编码‑解码模型作为天气短临预报的预测模型，仅需在模型中输入用于进行天气短临预报的雷达回波图像序列，通过模型获取雷达回波图像序列中的图像特征信息，从而能够对图像特征信息进行分析，以此能够使得更加方便获取天气短临预报，并且使预报更加准确。

技术领域

本发明涉及地面气象观测技术领域，具体而言，涉及一种基于简单卷积循环神经网络的短临预报方法及系统。

背景技术

近年来，随着互联网技术的发展，大众对于实时性短临天气预报的需求程度越来越高，相关的短临预报技术也在不断进步。目前天气预报里面，如降雨的短临预报主要依靠将气象雷达回波图像进行外推得到，气象雷达可以向高空发射无线电波，通过监测不同高度(例如0.5km，1.5km，2.5km，3.5km)云层的反射回波可以判断不同高度云层的水汽分布情况，从而可以用于估测降雨，现有的短临天气预报方法主要包括光流法、单体质心法和交叉相关法等预报，而这些方法在短时间内的预报结果具有较大误差，并且超过一定时间后预报结果的误差更加巨大。

发明内容

本发明解决的问题是如何提高天气短临预报的准确度。

为解决上述问题，本发明提供一种基于简单卷积循环神经网络的短临预报方法，包括如下步骤：

获取用于进行天气短临预报的雷达回波图像序列；

将所述雷达回波图像序列输入编码-解码模型，以生成天气短临预报结果；

其中，所述编码-解码模型包括编码器和解码器，所述编码器用于编码提取所述雷达回波图像序列的图像特征信息，所述解码器用于以所述编码器的输出为输入，解码输出所述天气短临预报结果。

进一步地，所述编码器包括交替设置的多层卷积神经网络记忆单元与多层下采样层，所述解码器包括交替设置的多层卷积神经网络记忆单元与多层上采样层，每一层所述编码器的所述卷积神经网络记忆单元均对应一层所述解码器的所述卷积神经网络记忆单元；

所述编码器的下采样层用于将接收的图像数据进行卷积缩减；

所述编码器和所述解码器的卷积神经网络单元用于将接收的图像数据进行编码，以得到包括有所述图像特征信息的输出状态图像和记忆状态图像；

所述解码器的上采样层，用于将接收的图像数据进行反卷积扩大，其中，所述解码器的上采样层接收的图像数据包括所述解码器的所述上采样层上层的所述卷积神经网络单元输出的所述输出状态图像，以及包括所述上采样层上层的所述编码器的所述卷积神经网络单元输出的记忆状态图像。

进一步地，所述图像特征信息包括图像局部细节信息和图像整体形态信息，所述编码器和所述解码器中均分别至少包括一层所述卷积神经网络单元，以得到包括有所述图像局部细节信息的所述输出状态图像和所述记忆状态图像；且所述编码器和所述解码器中均分别至少包括一层所述卷积神经网络单元，以得到包括有所述图像整体形态信息的所述输出状态图像和所述记忆状态图像。

进一步地，所述卷积神经网络记忆单元包括：

遗忘门f_t，f_t＝σ(W_f*x_t+b_f)；

重置门r_t，r_t＝σ(W_r*x_t+b_r)；

所述卷积神经网络记忆单元的记忆状态为：c_t，