[发明专利]基于三维雷达回波的降水预测方法、装置、电子设备、存储介质

说明书

本申请提供一种基于三维雷达回波的降水预测方法、装置、电子设备、计算机可读存储介质，该方法包括：将实时采集的三维雷达回波输入已训练的雨强预测网络，获得所述雨强预测网络输出的预测降雨量；基于与连续区域的三维雷达回波对应的预测降雨量，构建预测雨强矩阵；根据前一时次的历史三维雷达回波和所述三维雷达回波，计算所述三维雷达回波的运动矢量；依据所述运动矢量对所述预测雨强矩阵进行外推处理，获得降雨预报数据。本申请方案可以充分利用了三维雷达回波中的信息，从而得到精确指示降雨量的降雨预报数据。

技术领域

本申请涉及大气科学技术领域，特别涉及一种基于三维雷达回波的降水预测方法、装置、电子设备、计算机可读存储介质。

背景技术

多普勒天气雷达可以探测云中的降水粒子，在短临降水预报方面具有广泛的应用。基于多普勒天气雷达的降水预报方法，主要分为两个步骤：雷达回波定量降水估计和外推预报。常用的雷达回波定量降水估计主要依据Z-R关系法实现，通过指示Z-R关系的公式对雷达回波基本反射率进行计算，从而得到降雨强度。

天气雷达在业务中常用的扫描模式为VCP21(Volume Cover Pattern，体扫模式)模式，每次体扫可以获得9个仰角基本反射率数据。一般可以使用最底层仰角基本反射率值或者多层仰角混合而成的混合扫描反射率值输入指示Z-R关系的公式，以计算降雨强度。这种方式需将三维雷达回波转化为二维雷达回波，未能充分利用三维雷达回波中的信息。此外，在VCP21模式下，雷达体扫可以在6分钟左右完成，与此同时，地面雨量计可以实现精度为0.1mm的观测。而现有的雷达回波定量降水估计，都是计算单位时间为一小时的降雨强度，这导致短临降水预报的精度和实时性不佳。

发明内容

本申请实施例的目的在于提供一种基于三维雷达回波的降水预测方法、装置、电子设备、计算机可读存储介质，用于依据三维雷达回波实现降水预测。

一方面，本申请提供了一种基于三维雷达回波的降水预测方法，包括：

将实时采集的三维雷达回波输入已训练的雨强预测网络，获得所述雨强预测网络输出的预测降雨量；

基于与连续区域的三维雷达回波对应的预测降雨量，构建预测雨强矩阵；

根据前一时次的历史三维雷达回波和所述三维雷达回波，计算所述三维雷达回波的运动矢量；

依据所述运动矢量对所述预测雨强矩阵进行外推处理，获得降雨预报数据。

在一实施例中，在将所述三维雷达回波输入所述雨强预测网络之前，所述方法还包括：

依据采集所述三维雷达回波的时间信息，查找预设的网络信息表，获得与所述时间信息匹配的网络信息表项；

将查找到的网络信息表项对应的雨强预测网络，作为待输入所述三维雷达回波的雨强预测网络。

在一实施例中，所述雨强预测网络包括多个雨强预测子网络；

所述将实时采集的三维雷达回波输入已训练的雨强预测网络，获得所述雨强预测网络输出的预测降雨量，包括：

将所述三维雷达回波分别输入每一雨强预测子网络，获得所述雨强预测子网络输出的子预测降水量；

依据融合模型对多个子预测降水量进行融合处理，得到所述预测降水量。

在一实施例中，所述雨强预测子网络通过如下方式训练得到：

将样本数据集中的样本数据输入机器学习算法，获得所述机器学习算法输出的样本预测降雨量；其中，所述样本数据为历史三维雷达回波，所述样本数据标注实际降雨量；

基于所述样本预测降雨量与所述实际降雨量之间的差异，对所述机器学习算法的网络参数进行调整；