[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

说明书

本发明公开了一种基于双向LSTM网络的短时降雨预测方法、装置及系统，涉及天气预报技术领域。所述方法是在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后，先根据这些历史大数据得到多个包含有在连续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以及下一个小时的实际降雨量的样本数据，然后将多个样本数据划分成训练集、验证集和测试集，并应用于对基于双向LSTM网络的深度学习模型的训练、验证和测试，得到测试通过的短时降雨量预测模型，最后将所述目标站点的待测输入数据输入所述短时降雨量预测模型，可得到所述目标站点在当前下一个小时的预测降雨量，实现得到高准确的短时降雨量预测结果的目的。

技术领域

本发明属于天气预报技术领域，具体涉及一种基于双向LSTM网络的短时降雨预测方法、装置及系统。

背景技术

水汽是地球大气中的一种重要成分，影响着辐射平衡、能量输送、云的形成和降水。天气以及气候变化主要是由地球大气圈中的水汽运动和变化引起的。水汽在大气中含量很少，但是空间分布复杂，且变化剧烈，在诸如降雨、恶劣天气和全球气候变化等各种大气过程中扮演着重要角色。因此，研究大气可降水量(PrecipitableWaterVapor,PWV)对于气象天气等领域有着重要的意义。

目前，地基GNSS气象学(Ground-basedGNSSMeteorology,其研究源于20世纪80年代的美国，随着GNSS观测精度的不断提高，许多专家学者试图扩展GNSS气象学在各领域的应用范围)技术发展为探测大气可降水量提供了一种全新的手段，可以提供高时空分辨率的大气可降水量。气候系统受多因素的影响，降水虽然有一定的规律性，但仍然有较强的复杂性和不确定性，因此准确预测降水量是一件困难的事。

发明内容

本发明的目的是提供一种基于双向LSTM网络的短时降雨预测方法、装置、短时面雨量智能预测系统、计算机设备及计算机可读存储介质，用以解决现有技术难以准确预测降水量的问题。

为了实现上述目的，本发明采用以下技术方案：

第一方面，提供了一种基于双向LSTM网络的短时降雨预测方法，包括：

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。