[发明专利]一种基于神经网络的多气象数据预测方法

说明书

本发明涉及一种基于神经网络的多气象数据预测方法，属于天气预报领域。本发明向神经网络输入过去A小时的气象数据，包括：N张雷达图像、N张降水图像和N张平均风图像，神经网络输出未来A小时的M张雷达图像、M张降水图像和M张平均风图像，从而预测未来A小时的气象数据；神经网络采用编码器‑解码器的神经网络结构，编码器和解码器都包含4个阶段，每个阶段采用特征提取模块FEM构成，编码器中的特征共享到解码器中，使用双卷积网络进行三种气象数据的特征融合。本发明具有能够同时预测三种类别的气象数据的优点，同时方法能够利用三种类别气象数据的相关性，在预测准确度上更具有优势。

技术领域

本发明属于天气预报领域，具体涉及一种基于神经网络的多气象数据预测方法。

背景技术

在农业、社会公共安全中，天气预测具有重要意义，强对流天气通常伴有雷雨大风、冰雹、龙卷风、短时强降水等，会对农作物、社会基础公共设施产生巨大的危害，目前的预报方法和预报技术，难以达到“定点、定量、定时”的程度。目前基于神经网络的天气预测方法往往针对某一特定的气象数据进行预测，具有局限性，无法利用多种类天气数据之间的相关性进行预测，预测效率较低。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是如何提供一种基于神经网络的多气象数据预测方法，以解决基于神经网络的天气预测方法往往针对某一特定的气象数据进行预测，具有局限性，无法利用多种类天气数据之间的相关性进行预测，预测效率较低的问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于神经网络的多气象数据预测方法，该方法包括：向神经网络输入过去A小时的气象数据，包括：N张雷达图像、N张降水图像和N张平均风图像，神经网络输出未来A小时的M张雷达图像、M张降水图像和M张平均风图像，从而预测未来A小时的气象数据；

神经网络采用编码器-解码器的神经网络结构，编码器和解码器都包含4个阶段，每个阶段采用特征提取模块FEM构成，编码器中的特征共享到解码器中，使用双卷积网络进行三种气象数据的特征融合；

神经网络的输入的三类图像数据表示为降水X_P，雷达图X_R，平均风X_W，输出结果为三类图像数据，表示为降水Y_P，雷达图Y_R，平均风Y_W，整个神经网络表示为函数Γ(·)；

{Y_P，Y_R，Y_W}＝Γ(X_P，X_R，X_W，θ)

其中θ为神经网路的参数；

训练该神经网络的损失函数为MSELoss函数表示为，

MSELoss({X_P，X_R，X_W}，{Y_P，Y_R，Y_W})＝({Y_P，Y_R，Y_W}-{X_P，X_R，X_W})²

使用多气象数据图像对神经网络进行训练，通过训练得到神经网络的Γ(·)的参数θ′；

训练完成后，使用神经网络进行推理，

{R_P，R_R，R_W}＝Γ(X_P，X_R，X_W，θ′)。