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：成都师范学院

摘要：本发明涉及数据深度学习技术领域，具体涉及一种多任务生成对抗网络强对流天气临近预报方法及装置，包括步骤：A.获取反射率图像样本及标签和闪电密度图像样本及标签；B.基于所述反射率图像样本及标签和闪电密度图像样本及标签训练多任务生成对抗网络，所述多任务生成对抗网络采用双通道分别处理反射率图像样本和闪电密度图像样本；C.获取并处理当前的多普勒雷达组合反射率图像产品及闪电观测数据，将其输入训练完毕的多任务生成对抗网络，进行闪电和降雨强度的临近预报，实现了基于二维卷积神经网络对气象观测数据时空信息的提取，减小了计算复杂度；采用生成对抗网络生成高质量预测图像，提高了预测精度；采用双通道实现了多任务输出。

主权项：1.一种多任务生成对抗网络的强对流天气临近预报方法，其特征在于，包括步骤：A.获取同一地点历年的多普勒雷达组合反射率图像，将每半小时内的5张多普勒雷达组合反射率图像组合成一个雷达反射率图像样本和一个雷达反射率图像标签；获取历年闪电观测数据，以0时为时间起点，6分钟为时间间隔，将连续时间的闪电观测数据进行时间聚合处理，并将时间聚合后的闪电观测数据映射到指定分辨率的网格中，对网格中的内容进行标记，完成空间聚合，得到时间和空间聚合处理后的闪电密度图像，将每半小时内时空聚合后的5张闪电密度图像组合成一个闪电密度图像样本和一个闪电图像标签；B.基于所述反射率图像样本、闪电密度图像样本、反射率图像标签以及闪电图像标签训练多任务生成对抗网络的生成器和判别器，所述生成器和所述判别器由两条支路构成，支路一处理所述闪电密度图像样本，用于预测闪电，支路二处理雷达反射率图像样本，用于预测降雨；多任务生成对抗网络的生成器的支路一和支路二由特征提取模块和特征融合模块构成，支路一和支路二的特征提取模块相同，均采用编码器-时空转换预测器-解码器架构，编解码器之间采用跳跃连接；编解码器各包括7级，每一级由一个二维卷积、一个BatchNorm和一个激活函数ReLU构成；时空转换预测器采用编码器-解码器和跳跃连接架构，时空转换预测器中的编解码器各包括8级，每一级由一个Inception模块构成；将支路一和支路二时空转换预测器输出的深度特征图互换，实现多源数据第一级特征融合，多源数据第二级特征融合在特征融合模块的支路一完成，特征融合模块的支路一为注意力门控模块，融合闪电密度图像特征与雷达反射率图像特征；特征融合模块的支路二为空间注意力模块，提高雷达反射率图像特征表征的质量；多任务生成对抗网络判别器的支路一和支路二均采用Patch-D，所述Patch-D共有5级，1到4级由一个二维卷积和一个LeakyReLU激活函数构成，第5级由一个二维卷积和一个Sigmoid函数构成，最后将两个判决模块的输出沿通道维相加后作为判别器输出；C.获取当前的多普勒雷达组合反射率图像及闪电观测数据，将处理后的反射率图像样本及闪电密度图像样本输入训练完毕的多任务生成对抗网络，进行强对流天气临近预报。

全文数据：

权利要求：

百度查询： 成都师范学院 一种多任务生成对抗网络强对流天气临近预报方法及装置