买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明提供了一种短临降水预测方法，基于ConvLSTM网络和SENet注意力机制模块而实现，该方法包括对气象卫星数据进行预处理；用雷达反演降水；构建融合了SENet注意力模块的ConvLSTM网络；将经过预处理的雷达回波图像导入到网络中进行训练，得到网络训练模型；使用训练完毕的模型去生成预测降水图像。本发明输入和输出的数据均为雷达回波图像，结果表达更直观，最后的结果准确性更高。此外，本发明充分的利用了全局特征，使学习到的全局信息更合理。再有，通过加入SENet注意力模块，使网络模型的效果产生显著提升。最后，本发明在训练过程中没有改变图像的尺寸，完美的保留了图像的细节和边缘信息。

主权项：1.一种短临降水预测方法，基于ConvLSTM网络和SENet注意力机制模块而实现，其特征在于，包括以下步骤：步骤1、对气象卫星数据进行预处理；步骤2、雷达反演降水，即通过雷达回波计算出相应区域的雨强分部和累积雨量；步骤3、构建融合了SENet注意力模块的ConvLSTM网络，用于后续的模型训练，将SENet模块插入到ConvLSTM中的每个卷积层后面的非线性激活函数后；步骤4、将前述经过预处理的雷达回波图像导入到网络中进行训练，得到网络训练模型；步骤5、使用训练完毕的模型去生成预测降水图像；在步骤2中所谓雷达反演降水为定量降水估计，QPE，其是通过雷达回波计算出相应区域的雨强分布和累积雨量；根据雷达回波和降水之间存在的经验公式Z-R关系获得降水信息，Z-R关系反映了雷达回波和降雨强度的相关性，即雷达反射因子Z，单位：和降雨强度R，单位之间满足如下公式： 其中，a、b是经验常量，a200，b在1.5~2之间，根据不同时次、不同地点以及降水类型和性质等多种因素确定；不同的降雨强度在雷达回波图上以深浅不同的颜色表示出来，颜色越深代表降雨强度越大，反之则越小或无降水；在步骤3中，降水临近预报描述为一个时空序列预测，其中输入和预测目标都是时空序列；通过对全连接LSTM进行扩展，提出了在输入到状态和状态到状态转换中都具有卷积结构的ConvLSTM网络，ConvLSTM网络能够捕捉时空相关性；ConvLSTM的公式如下： 其中，代表卷积操作，代表哈达玛运算，对应相乘。

全文数据：

权利要求：

百度查询： 南京邮电大学 短临降水预测方法及装置