强降水预测方法、装置、电子设备及可读存储介质

本发明涉及天气预报，尤其涉及一种强降水预测方法、装置、电子设备及可读存储介质。

背景技术：

1、强降水是我国主要的灾害性天气，极易造成山洪、小流域洪涝或城市内涝，带来重大经济损失和人员伤亡。由于强降水具有分布地域广、发生频率高、突发性强等特点，对强降水的预报预警是防灾减灾的重点，在准确性和精细度上有着很高的要求。

2、将人工智能技术应用于在降水预报，能够有效提升对强降水天气的预报能力，是智慧气象领域的发展趋势和研究前沿。

3、目前，已有的降水预报人工智能模型，以深度预测式循环网络(predictiverecurrent neural network，predrnn)、深度生成式雷达模拟(deep generative modelingof radar，dgmr)为代表，主要基于纯数据驱动的神经网络模型对降水场进行学习和建模，对于高强度降水依然不能提供可用预报。

4、因此，如何解决现有强降水预测方法对未来时刻的降水预测精度不高的问题，是天气预报领域亟待解决的重要课题。

技术实现思路

1、本发明提供一种强降水预测方法、装置、电子设备及可读存储介质，用以克服现有强降水预测方法对未来时刻的降水预测精度不高的缺陷，提升对强降水的预测能力。

2、一方面，本发明提供一种强降水预测方法，包括：获取设定历史时刻的历史雷达回波拼图序列；基于预先训练的降水演变模型，根据所述历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列；根据所述未来雷达回波拼图序列，获取设定未来时刻的强降水预测结果；其中，所述降水演变模型包括中尺度网络、小尺度网络以及时空辨别器，所述中尺度网络中融入有平流方程引导的算符。

3、进一步地，所述基于预先训练的降水演变模型，根据所述历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列，包括：基于所述中尺度网络，根据所述历史雷达回波拼图序列，获取设定未来时刻的中尺度预测值；基于所述小尺度网络，根据所述历史雷达回波拼图序列和所述中尺度预测值，获取设定未来时刻的小尺度预测值；其中，所述设定未来时刻的小尺度预测值为所述未来雷达回波拼图序列。

4、进一步地，所述中尺度网络包括中尺度网络编码器、速度解码器、强度解码器以及降水演化模拟器；相应地，所述基于所述中尺度网络，根据所述历史雷达回波拼图序列，获取设定未来时刻的中尺度预测值，包括：基于所述中尺度网络编码器，对所述历史雷达回波拼图序列进行特征提取，得到多层次特征；基于所述速度解码器，对所述多层次特征进行解码处理，得到设定未来时刻的速度场；基于所述强度解码器，对所述多层次特征进行解码处理，得到设定未来时刻的强度场；基于所述降水演化模拟器，根据设定未来时刻的速度场和强度场，获取设定未来时刻的中尺度预测值。

5、进一步地，所述基于所述降水演化模拟器，根据设定未来时刻的速度场和强度场，获取设定未来时刻的中尺度预测值，包括：根据当前时刻的速度场，对上一时刻的预测结果进行半拉格朗日的平流格式外推，得到平流结果；对所述平流结果执行梯度停止操作，并将执行梯度停止操作后的结果与当前时刻的强度场取和，得到当前时刻的中尺度预测值；其中，所述当前时刻和所述上一时刻均包含于所述设定未来时刻，所述上一时刻的预测结果为上一时刻的中尺度预测值。

6、进一步地，所述小尺度网络包括小尺度编码器和小尺度解码器；相应地，所述基于所述小尺度网络，根据所述历史雷达回波拼图序列和所述中尺度预测值，获取设定未来时刻的小尺度预测值，包括：基于所述小尺度编码器，对所述历史雷达回波拼图序列和设定未来时刻的中尺度预测值进行编码处理，得到编码结果；基于所述小尺度解码器，对所述编码结果和设定未来时刻的中尺度预测值进行解码处理，得到设定未来时刻的小尺度预测值。

7、进一步地，训练优化所述降水演变模型，具体包括：构建训练样本数据集，所述训练样本数据集包括观测样本和预测样本；以所述观测样本为模型输入，以预测结果为模型输出，以所述预测结果和所述预测样本之间的差异为训练损失，迭代优化所述降水演变模型，直至模型训练达到预设条件时停止。

8、进一步地，所述迭代优化所述降水演变模型，直至模型训练达到预设条件时停止，包括：对于每一次迭代，基于预先训练的时空辨别器，获取所述预测结果的分辨度；在所述分辨度与所述训练损失之和低于设定阈值的情况下，模型训练达到预设条件，停止训练。

9、第二方面，本发明还提供一种强降水预测装置，包括：历史雷达回波拼图序列获取模块，用于获取设定历史时刻的历史雷达回波拼图序列；未来雷达回波拼图序列预测模块，用于基于预先训练的降水演变模型，根据所述历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列；强降水预测结果获取模块，用于根据所述未来雷达回波拼图序列，获取设定未来时刻的强降水预测结果；其中，所述降水演变模型包括中尺度网络、小尺度网络以及时空辨别器，所述中尺度网络中融入有平流方程引导的算符。

10、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的强降水预测方法。

11、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的强降水预测方法。

12、本发明提供的一种强降水预测方法，通过获取设定历史时刻的历史雷达回波拼图序列，并基于预先训练的降水演变模型，根据历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列，进而根据未来雷达回波拼图序列，获取设定未来时刻的强降水预测结果；其中，降水演变模型包括中尺度网络、小尺度网络以及时空辨别器，中尺度网络中融入有平流方程引导的算符。该方法通过将平流方程引导的算符和多层次理论启发的结构融入到数据驱动的人工智能基础模型中，使得到的降水演变模型能够更加准确地预测雨量和位置，不仅解决了强降水预测易消散的问题，还能更好地适应降水演化中的多层次现象，进而提升对强降水的预测精度。

技术特征：

1.一种强降水预测方法，其特征在于，包括：

2.根据权利要求1所述的强降水预测方法，其特征在于，所述基于预先训练的降水演变模型，根据所述历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列，包括：

3.根据权利要求2所述的强降水预测方法，其特征在于，所述中尺度网络包括中尺度网络编码器、速度解码器、强度解码器以及降水演化模拟器；

4.根据权利要求3所述的强降水预测方法，其特征在于，所述基于所述降水演化模拟器，根据设定未来时刻的速度场和强度场，获取设定未来时刻的中尺度预测值，包括：

5.根据权利要求2所述的强降水预测方法，其特征在于，所述小尺度网络包括小尺度编码器和小尺度解码器；

6.根据权利要求1-5中任一项所述的强降水预测方法，其特征在于，训练优化所述降水演变模型，具体包括：

7.根据权利要求6所述的强降水预测方法，其特征在于，所述迭代优化所述降水演变模型，直至模型训练达到预设条件时停止，包括：

8.一种强降水预测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的强降水预测方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的强降水预测方法。

技术总结本发明提供一种强降水预测方法、装置、电子设备及可读存储介质，其中的方法包括：基于预先训练的降水演变模型，根据历史雷达回波拼图序列，预测得到设定未来时刻的未来雷达回波拼图序列；根据未来雷达回波拼图序列，获取设定未来时刻的强降水预测结果；其中，降水演变模型包括中尺度网络、小尺度网络以及时空辨别器，中尺度网络中融入有平流方程引导的算符。该方法通过将平流方程引导的算符和多层次理论启发的结构融入到数据驱动的人工智能基础模型中，使得到的降水演变模型能够更加准确地预测雨量和位置，不仅解决了强降水预测易消散的问题，还能更好地适应降水演化中的多层次现象，进而提升对强降水的预测精度。技术研发人员：龙明盛,王建民,张育宸,陈凯源,邢蓝翔受保护的技术使用者：清华大学技术研发日：技术公布日：2024/9/12