[发明专利]一种数据处理方法、设备和存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布，其中，所述子类数据集为对原始观测数据的平均降水值进行划分得到的数据集；

根据所述待反演数据块的降水概率分布和每个所述子类数据集的降水概率分布确定每个所述子类数据集对应的权重系数；

按照所述待反演数据块所在的子类数据集将所述待反演数据块输入至对应的目标神经网络模型中，得到对应的降水输出结果；其中，所述目标网络模型是基于超分辨率模型进行训练得到的模型；

根据所述权重系数和所述降水输出结果确定对应的实际降水结果。

2.根据权利要求1所述的方法，其特征在于，在所述确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布之前，还包括：

通过线性插值方式对原始观测数据进行插值，得到对应的原始降水图片；

对所述原始降水图片进行降采样，得到降水输入数据；

对所述降水输入数据进行切割处理，得到对应的待反演数据块。

3.根据权利要求1所述的方法，其特征在于，在所述确定待反演数据块的降水概率分布和每个子类数据集的降水概率分布之前，还包括：

以数值模式获取第一目标区域的格点数据，作为真值；

将所述真值转换为第二目标区域的降水图片，作为降水标签；其中，所述第二目标区域包含于所述第一目标区域内；

对所述降水标签进行切割处理，得到降水标签块。

4.根据权利要求3所述的方法，其特征在于，所述目标神经网络模型的训练过程，包括：

按照待反演数据块所在的子类数据集将所述待反演数据块输入至对应的原始神经网络模型，得到降水输出数据块；

在所述降水输出数据块和对应的所述降水标签块之间的差值达到预设阈值时，对所述原始神经网络模型进行调整，并返回按照待反演数据块所在的子类数据集将所述待反演数据块输入至对应的原始神经网络模型，得到降水输出数据块的步骤，直至所述降水输出数据块和所述降水标签块之间的差值小于预设阈值为止，得到目标神经网络模型。

5.根据权利要求1-4任一所述的方法，其特征在于，所述子类数据集的确定方式，包括：

根据预设平均降水统计表中待反演数据块的数目和所述预设平均降水统计表确定对应的四分位阈值，其中，所述预设平均降水统计表为包含所有待反演数据块所对应降水平均值的统计表；

根据所述四分位阈值确定有效降水最小值和有效降水最大值；

根据所述有效降水最小值、所述有效降水最大值和所述四分位阈值得到对应的子类数据集。

6.根据权利要求1-4任一所述的方法，其特征在于，所述确定所述子类数据集的降水概率分布，包括：

按照预先配置的第一超参数类别数量对每个所述子类数据集中所有降水数据范围进行均分，得到第一超参数类别数量的第一类型降水数据块；

统计每个所述第一类型降水数据块中的降水数据点；

根据所有所述第一类型降水数据块的总数据点数目和每个所述第一类型降水数据块中的降水数据点确定对应子类数据集的降水概率分布。

7.根据权利要求1-4任一所述的方法，其特征在于，所述确定所述待反演数据块的降水概率分布，包括：

按照预先配置的第二超参数类别数量对每个所述待反演数据块中所有降水数据范围进行均分，得到第二超参数类别数量的第二类型降水数据块；

统计每个第二类型降水数据块中的降水数据点；

根据所有第二类型降水数据块的总数据点数目和每个所述第二类型降水数据块中的降水数据点确定对应待反演数据块的降水概率分布。