[发明专利]基于物联网数据在线学习的降雨等级预测方法及系统

权利要求书

1.一种基于物联网数据在线学习的降雨等级预测方法，其特征在于，应用于基于物联网数据在线学习的预测系统；所述基于物联网数据在线学习的预测系统包括：

微型气象站，用于周期性地采集被监测周围局部区域的气象站数据；

物联网网关，对多个所述微型气象站数据的过滤和汇集然后集中通过无线网络将数据传输给云服务器；

降雨等级预测模型，所述降雨等级预测模型与所述云端服务器通信连接，降雨等级预测模型用于对所述微型气象站的实时气象数据分析，并对未来短时间降雨等级进行预测；所述降雨等级预测模型通过增量式在线学习方法定时对模型进行微调并更新；

实时在线的预测方法包括以下：

S1、初始时，通过收集被测区域的历史气象数据对所述降雨等级模型进行训练，并将得到的初始气象数据模型部署至云端进行降雨等级预测；

S2、系统每隔阈值时间收集所述微型气象站所监测的气象数据，并将该气象数据存储到数据库中，对原始的数据进行预处理以形成精确的数据库；

S3、从精确的数据库中进行时间采样来构建所述降雨等级预测模型训练所需的数据集，通过该数据集对降雨等级进行训练，使得所述降雨等级预测模型提取降雨等级的特征以对未来数据特征进行预测，然后将得到的未来数据特征进行分类，最终得到降雨等级情况。

2.根据权利要求1所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述降雨等级预测模型包括时序预测模块与分类模块；所述时序预测模块用于对未来短时期的属性特进行预测，并生成分类的中间向量，所述分类模块通过所述中间向量进行分类，得到降雨等级的概率值。

3.根据权利要求2所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述时序预测模块的构建方法包括在Transformer模型的嵌入层用线性层来代替，并对最后输入的激活函数使用Sigomid函数；同时，在对注意力机制中Value的计算的时候增加了一个窗口取值来限制向后的取值，让其更加关注之前的取值。

4.根据权利要求2所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述分类模块包括基于生成对抗网络GAN的分类器，所述分类器包括若干功能组件。

5.根据权利要求1所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述阈值时间为15分钟。

6.根据权利要求1所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述降雨等级至少包括零星小雨，小雨，中雨，大雨，暴雨，大暴雨，特大暴雨七种等级。

7.根据权利要求1所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述微型气象站内至少设置有风速风向传感器、雨量传感器、环境温度传感器、光合辐射传感器，各个传感器通过物联网实现连通。

8.根据权利要求7所述的一种基于物联网数据在线学习的降雨等级预测方法，其特征在于：所述气象数据至少包括风速、风向、光照度、降雨量、湿度与环境温度。