[发明专利]近实时降水估测模型的构建方法及近实时降水估测方法

权利要求书

1.一种近实时降水估测模型的构建方法，其特征在于：包括：

获取目标区域的历史卫星红外AGRI数据、地理地形数据和历史降水资料数据，并对所获取的数据进行预处理；所述卫星红外AGRI数据包括红外通道亮温数据、云物理参数、云图纹理特征、时间运动特征数据；

构造基于多模型集成的近实时降水估测模型，所述多模型集成的近实时降水估测模型的基础模型包括随机森林模型、XGBoost模型、LightGBM模型、Decision Tree模型和ExtraTree模型；

以预处理后的历史卫星红外AGRI数据和地理地形数据作为模型输入数据，并以预处理后的历史降水资料数据作为模型输出数据，对所构造的近实时降水估测模型进行训练，并对训练后的近实时降水估测模型进行精度验证评估，完成模型构建。

2.根据权利要求1所述的近实时降水估测模型的构建方法，其特征在于：所述云物理参数、云图纹理特征和时间运动特征根据所述红外通道亮温数据计算得到；其中，所述云物理参数包括云顶温度、云顶高度、云水路径和云相态。

3.根据权利要求1所述的近实时降水估测模型的构建方法，其特征在于：对于海上降水估测，则所述地理地形数据采用经度和纬度，所述历史降水资料数据采用IMERG降水资料数据；

对于陆地降水估测，则所述地理地形数据采用经度、纬度和地形或海拔高度，所述降水资料数据采用地面站雨量计降水资料数据。

4.根据权利要求1所述的近实时降水估测模型的构建方法，其特征在于：所述预处理包括对历史卫星红外AGRI数据、地理地形数据和历史降水资料数据进行数据时空匹配。

5.根据权利要求1所述的近实时降水估测模型的构建方法，其特征在于：所述对所构造的近实时降水估测模型进行训练的具体方法包括：

先根据预处理后的历史卫星红外AGRI数据、地理地形数据和历史降水资料数据，建立样本数据集，再按8:2的比例将所述样本数据集划分成训练集和测试集；

再以训练集的样本对实时降水估测模型进行训练，其中预处理后的历史卫星红外AGRI数据、地理地形数据作为模型输入数据，预处理后的历史降水资料数据作为模型输出数据；

最后以测试集的样本对近实时降水估测模型进行降水估测准确性测试。

6.根据权利要求5所述的近实时降水估测模型的构建方法，其特征在于：所述以训练集的样本对实时降水估测模型进行训练包括对基础模型的超参数调优和基础模型的权重确定；所述超参数调优采用基于均方误差的网格搜索方法。

7.根据权利要求6所述的近实时降水估测模型的构建方法，其特征在于：所述近实时降水估测模型的目标函数为：

其中，w_j为第j基础模型的权重，j＝1,2,...,5；为第j基础模型的预测值，Y是真实值。

8.根据权利要求1所述的近实时降水估测模型的构建方法，其特征在于：所述精度验证评估的参数包括：皮尔森相关系数、均方根误差、结构相似性、峰值信噪比、探测率、误报率和临界成功指数。

9.一种近实时降水估测方法，其特征在于：包括：

获取目标区域的实时卫星红外AGRI数据、地理地形数据；

根据目标区域的实时卫星红外AGRI数据进行降水识别，如有降水，则将所述实时卫星红外AGRI数据、地理地形数据输入至如权利要求1～8任一项所述的近实时降水估测模型的构建方法所构建的近实时降水估测模型中，输出降水估测数据；如无降水，则降水估测输出为零。

10.根据权利要求9所述的近实时降水估测方法，其特征在于：所述降水识别采用预先训练完成的随机森林分类模型进行。