[发明专利]一种基于双向LSTM网络的短时降雨预测方法、装置及系统

权利要求书

1.一种基于双向LSTM网络的短时降雨预测方法，其特征在于：

获取目标站点在历史各个小时的大气可降水量和实际降雨量；

根据所述目标站点在历史各个小时的大气可降水量和实际降雨量，按照如下方式获取多个样本数据：将在连续M个小时中各个小时的时间数据、大气可降水量和实际降雨量作为模型输入数据，以及将在时序上位于所述连续M个小时之后的下一个小时的实际降雨量作为模型输出数据，得到一个包含有所述模型输入数据和所述模型输出数据的样本数据，其中，M表示不小于6且不大于48的正整数；

将所述多个样本数据划分成训练集、验证集和测试集；

应用所述训练集、所述验证集和所述测试集对基于双向长短期记忆LSTM网络的深度学习模型依次进行训练、验证和测试，得到测试通过的短时降雨量预测模型；

获取所述目标站点的待测输入数据，其中，所述待测输入数据包含有在当前最近M个小时中各个小时的时间数据、大气可降水量和实际降雨量；

将所述待测输入数据输入所述短时降雨量预测模型，输出得到所述目标站点在当前下一个小时的预测降雨量。

2.根据权利要求1所述的短时降雨预测方法，其特征在于，获取目标站点在历史各个小时的大气可降水量，包括：

从由国际全球导航卫星系统服务IGS提供的对流层总延迟数据文件中解析获取目标站点在历史某个小时的天顶方向对流层总延迟参数；

根据所述目标站点的站点纬度、大地高程以及在所述历史某个小时的大气压强，按照如下公式计算得到所述目标站点在所述历史某个小时的天顶静力学延迟参数ZHD：

式中，P_S表示大气压强且单位为百帕，表示站点纬度且单位为弧度，H_S表示大地高程且单位为千米；

根据所述目标站点在所述历史某个小时的大气加权平均温度，按照如下公式计算得到所述目标站点在所述历史某个小时的水汽转换系数ψ：

式中，ρ表示液态水的密度且单位为千克每立方米，R_v表示水汽的气体常数且单位为焦耳每千克乘开，k₂′表示为22.1±2.2开每百帕的第一大气折射常数，k₃表示为3.739×10⁵±0.012×10⁵平方开每百帕的第二大气折射常数，T_m表示大气加权平均温度且单位为开；

按照如下公式计算得到所述目标站点在所述历史某个小时的大气可降水量PWV：

PWV＝ψ×(ZTD-ZHD)

式中，ZTD表示天顶方向对流层总延迟参数。

3.根据权利要求2所述的短时降雨预测方法，其特征在于，从由国际全球导航卫星系统服务IGS提供的对流层总延迟数据文件中解析获取目标站点在历史某个小时的天顶方向对流层总延迟参数，包括：

从由国际全球导航卫星系统服务IGS提供的对流层总延迟数据文件中解析获取目标站点在历史某个小时中至少一个5分钟时段的天顶方向对流层总延迟参数；

对所述至少一个5分钟时段的天顶方向对流层总延迟参数进行重采样处理，得到所述目标站点在所述历史某个小时的天顶方向对流层总延迟参数。

4.根据权利要求2所述的短时降雨预测方法，其特征在于，在计算得到所述目标站点在所述历史某个小时的大气可降水量之后，所述方法还包括：

汇总在历史多个小时中各个小时的时间数据和大气可降水量，得到已知特征变量组合，其中，所述历史多个小时是指计算得到有大气可降水量的多个不同所述历史某个小时；

根据所述已知特征变量组合进行基于随机森林算法的数据拟合处理，获取至少一个历史欠缺小时的大气可降水量，以便最终得到所述目标站点在历史各个小时的大气可降水量，其中，所述历史欠缺小时是指未计算得到有大气可降水量的历史单个小时。

5.根据权利要求1所述的短时降雨预测方法，其特征在于，将所述多个样本数据划分成训练集、验证集和测试集，包括：

按照6：2：2的划分比例，将所述多个样本数据划分成训练集、验证集和测试集。