[发明专利]基于速度场感知网络的雷达回波外推预测方法和系统

权利要求书

1.一种雷达回波外推预测方法，其特征在于，包括：

将雷达回波数据和速度场数据输入训练好的速度场感知雷达外推网络模型，获取预测的雷达回波序列；

其中，所述训练好的速度场感知雷达外推网络模型通过如下步骤获取：

根据任一时刻输入门、任一时刻遗忘门和任一时刻输入调制门搭建任一时刻记忆；搭建任一时刻输出门；根据所述任一时刻输出门和所述任一时刻记忆获取任一时刻隐藏状态；

基于所述任一时刻隐藏状态构建任一时刻长短时间记忆网络结构；

通过所有长短时间记忆网络结构搭建雷达外推网络模型，其中，所述雷达外推网络模型是以时刻和层为维度的二维模型；

将速度场与所述雷达外推网络模型融合，获取所述速度场感知雷达外推网络模型；

将由观测值组成的张量序列数据输入所述速度场感知雷达外推网络模型进行训练，获得所述训练好的速度场感知雷达外推网络模型；

将速度场与所述雷达外推网络模型融合，获取所述速度场感知雷达外推网络模型进一步包括：

通过实况数据获取过去时刻速度场，通过所述速度场感知雷达外推网络模型获取未来时刻速度场，所述速度场包括所述过去时刻速度场和所述未来时刻速度场；

调整所述速度场与所述雷达外推网络模型的任一层的每一长短时间记忆网络结构的输入量的长宽大小相同；

将所述速度场与所述任一层的每一长短时间记忆网络结构的输入量按照通道方向连接，获得所述任一层的输入量，以使得所述速度场在所述任一层和所述任一层的上一层之间融合，获取所述速度场感知雷达外推网络模型；

其中，所述速度场感知雷达外推网络模型在所述任一层之后用于预测雷达回波序列和所述未来时刻速度场。

2.根据权利要求1所述的预测方法，其特征在于，所述根据任一时刻输入门、任一时刻遗忘门和任一时刻输入调制门搭建任一时刻记忆进一步包括：

通过以下公式获取所述任一时刻输入门：

其中，i_t为任一时刻输入门，σ为S型函数Sigmoid，W_xi为计算任一时刻输入门时和做卷积操作的卷积核，*为卷积操作，为任一时刻的输入量，W_hi为计算任一时刻输入门时和做卷积操作的卷积核，为任一时刻的上一时刻的隐藏状态，W_ci为计算任一时刻输入门时和做卷积操作的卷积核，为任一时刻的上一时刻的记忆，b_i为任一时刻输入门偏差；

通过以下公式获取所述任一时刻遗忘门：

其中，f_t为任一时刻遗忘门，σ为S型函数Sigmoid，W_xf为计算任一时刻遗忘门时和做卷积操作的卷积核，*为卷积操作，为任一时刻的输入量，W_hf为计算任一时刻遗忘门时和做卷积操作的卷积核，为任一时刻的上一时刻的隐藏状态，W_cf为计算任一时刻遗忘门时和做卷积操作的卷积核，为任一时刻的上一时刻的记忆，b_f为任一时刻遗忘门偏差；

通过以下公式获取所述任一时刻输入调制门：

其中，g_t为任一时刻输入调制门，φ为双曲正切函数，W_xg为计算任一时刻输入调制门时和做卷积操作的卷积核，*为卷积操作，为任一时刻的输入量，W_hg为计算任一时刻输入调制门时和做卷积操作的卷积核，为任一时刻的上一时刻的隐藏状态，W_cg为计算任一时刻遗忘门时和做卷积操作的卷积核，为任一时刻的上一时刻的记忆，b_g为任一时刻输入调制门偏差；

根据所述任一时刻输入门、所述任一时刻遗忘门和所述任一时刻输入调制门，通过下式搭建所述任一时刻记忆：

其中，为任一时刻记忆，f_t为任一时刻遗忘门，⊙为哈达玛乘积，为任一时刻的上一时刻的记忆，i_t为任一时刻输入门，g_t为任一时刻输入调制门。