[发明专利]一种构建降水等级预测模型的方法及装置

权利要求书

1.一种构建降水等级预测模型的方法，其特征在于，包括：

收集目标区域各历史时序内不同高度层的气象要素数据以及地面地形数据，所述气象要素数据包括一个或多个气象类别数据；

针对每一历史时序，依据气象类别数据以及地面地形数据，获取该历史时序的气象类别叠加数据；

利用特征提取网络中的残差网络、反卷积网络、特征融合网络、膨胀卷积网络、上采样网络以及时序卷积网络，对气象类别叠加数据进行气象类别中层特征提取以及气象类别高层特征提取，基于气象类别中层特征以及气象类别高层特征，获取预测时序的预测特征；

依据预测时序的预测特征以及该预测时序的融合特征，调整残差网络、反卷积网络、特征融合网络、膨胀卷积网络、上采样网络以及时序卷积网络的参数，直至预测时序的预测特征以及该预测时序的融合特征的均方差满足预设的均方误差阈值，得到完成训练的特征提取网络；

将完成训练的特征提取网络中的时序卷积网络输出的各预测时序的预测特征输入分类器，得到各预测时序的短时降水等级，基于预测时序的短时降水等级以及该预测时序的实际短时降水等级，训练分类器，依据完成训练的特征提取网络以及分类器，构建降水等级预测模型；

所述利用特征提取网络中的残差网络、反卷积网络、特征融合网络、膨胀卷积网络、上采样网络以及时序卷积网络，对气象类别叠加数据进行气象类别中层特征提取以及气象类别高层特征提取，基于气象类别中层特征以及气象类别高层特征，获取预测时序的预测特征，包括：

利用残差网络，对气象类别叠加数据进行气象类别中层特征提取以及气象类别高层特征提取；

利用反卷积网络对气象类别高层特征进行反卷积处理，得到气象类别高层一致特征，气象类别高层一致特征的尺寸与气象类别中层特征的尺寸一致；

针对每一历史时序，利用特征融合网络，分别对各气象类别高层一致特征以及气象类别中层特征进行融合，得到时序高层融合特征以及时序中层融合特征；

利用膨胀卷积网络对时序高层融合特征进行卷积处理，得到多尺度高层融合特征；

利用上采样网络，对多尺度高层融合特征进行上采样，得到融合特征；

利用时序卷积网络，对按照历史时序排列的融合特征进行处理，获取预测时序的预测特征。