[发明专利]基于CGRU的强时空特性雷达回波临近预报方法

权利要求书

1.一种基于CGRU的强时空特性雷达回波临近预报方法，其特征在于：具体包括如下步骤：

(1)采集用于进行天气临近预报的连续雷达回波图像序列，并对连续雷达回波图像序列进行预处理，得到具有统一时间维度和空间维度的张量数据；

其中，所述张量数据为三维张量X∈R^T×W×H；式中，R表示实数集；T为时间维度；W、H分别是行列空间维度；

所述连续雷达回波图像序列用Y(t)＝y₁,y₂,...,y_N,t＝1,2,...,N表示；式中，t表示时间；N表示雷达回波图像序列的长度；

(2)构建并训练3DCNN-CGRU网络训练模型，得到3DCNN-CGRU网络模型；

(3)将步骤(1)所述用于进行天气临近预报的连续雷达回波图像序列的张量数据输入到所述3DCNN-CGRU网络模型，生成天气临近预报结果。

2.根据权利要求1所述的一种基于CGRU的强时空特性雷达回波临近预报方法，其特征在于，所述3DCNN-CGRU网络模型由编码网络和预测网络构成；

所述编码网络是由3DCNN网络和三层CGRU网络构成，用于提取得到所述连续雷达回波图像序列的回波图像时空特征信息；

所述3DCNN网络用于提取连续雷达回波图像序列的局部短时空运动特征；三层所述CGRU网络用于对连续雷达回波图像序列的全局长时空特征依赖关系进行学习，并将学习得到的雷达回波运动的时空特征压缩成隐状态；

所述预测网络是由三层CGRU网络和3DCNN网络构成；所述预测网络将所述编码器的输出作为输入，并根据当前回波图像特征信息反向重构，生成未来的回波图像序列，进而得到天气临近预报结果。

3.根据权利要求2所述的一种基于CGRU的强时空特性雷达回波临近预报方法，其特征在于，所述3DCNN网络计算公式如下所示：

式中，表示3DCNN中第i层的第j个雷达回波特征图位置为(T,W,H)单元的输出；T表示时间维度；W、H分别是行列空间维度；f表示非线性激活函数；b_ij表示3DCNN中第i层的第j个雷达回波特征图的偏置参数；表示卷积核连接到(i-1)层第m个特征图的权值；p,q,r分别表示卷积操作在位置为(T,W,H)单元的实际参数值；表示第(i-1)层中的第m个雷达回波特征图位置为(W+p,H+q,T+r)单元的输出；P_i，Q_i，R_i分别表示卷积核三个维度的尺寸。