[发明专利]一种基于神经网络的降水数据的估算方法和装置

说明书

本发明提供一种基于神经网络的降水数据的估算方法和装置，通过将每一估算点的经度、纬度和雷达反射率因子分别作为一个第一三维向量的三个分量；将每一估算点在估算时刻的第一三维向量输入至已训练的神经网络，输出每一估算点对应的第二三维向量，每一第二三维向量中的三个分量分别为每一第二三维向量对应的估算点的经度、纬度和在估算时刻的降水数据，从而通过第二三维向量将估算点的经度、纬度和降水数据联系起来，即可以通过第二三维向量不仅能够获得精确的降水数据，还能直接确定每个降水数据与每一经纬度坐标值之间的对应关系，极大的减少了将降水数据赋值到对应的位置坐标上的工作量。

技术领域

本发明涉及气象预测技术领域，更具体地，涉及一种基于神经网络的降水数据的估算方法和装置。

背景技术

对降水数据的定量测量不仅是广大科研、预报、水文工作人员关注的一项科学研究，而且对社会和国民经济有着重要、深远的影响和效益。

定量测量降水数据最直接的手段是使用雨量计，但由于目前雨量计网的密度稀疏及降水在时间和空间上的不确定性，因此依靠雨量计测得的点雨量来估测面雨量将会带来很大的误差。对降水数据的其它测量手段包括卫星测量和雷达测量，其中卫星测量降水数据的时间尺度和精度相比雷达低；雷达覆盖范围大，扫描周期短，可实现全天观测，但同时也具有局限性。目前我国在全国布设的雷达网中的雷达内置降水反演公式是采用的国外的经验公式，例如，普遍采用的经验关系式Z-I，理论上由雷达测量的雷达散射率因子Z估计出目标区域的降水数据I，这种方法会受到雷达参数、Z-I关系的不确定以及暴雨时雷达反射波的衰减等影响，导致降水数据估测精度降低。由此，神经网络被用于对定量测量降水的估算，能提高估算精度。

对于空间分布的降水数据，需要将降水数据赋值到对应的位置坐标上，现有的神经网络对降水数据的估算，仅基于Z-I关系进行训练并估算，在估算出降水数据后，无法直接确定每个降水数据对应的位置坐标；而且，由于雷达扫描区域范围大，为了保证在雷达扫描区域内的估算精度，往往需要选取数量非常多的估算点，在雷达扫描区域中确定每个降水数据对应的位置坐标，需要付出较大的额外的工作量。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明提供一种基于神经网络的降水数据的估算方法和装置。

根据本发明的一个方面，提供一种基于神经网络的降水数据的估算方法，包括：获取雷达扫描区域中每一估算点的经度和纬度，获取每一估算点在估算时刻的雷达反射率因子，其中，每一估算点为对雷达扫描区域进行网格化后的一个网格点；将每一估算点的经度、纬度和在估算时刻的雷达反射率因子分别作为每一估算点在估算时刻的第一三维向量，每一估算点的经度、纬度和雷达反射率因子分别为每一估算点对应的第一三维向量中的三个分量；将每一估算点在估算时刻的第一三维向量输入至已训练的神经网络，输出每一估算点对应的第二三维向量，其中，每一第二三维向量中的三个分量分别为每一第二三维向量对应的估算点的经度、纬度和在估算时刻的降水数据。

其中，获取每一估算点在估算时刻的雷达反射率因子，包括：获取每一雷达扫描点在估算时刻的雷达反射率因子；根据每一雷达扫描点在估算时刻的雷达反射率因子，并基于插值法获取每一估算点在估算时刻的雷达反射率因子。

其中，将每一估算点的经度、纬度和在估算时刻的雷达反射率因子分别作为每一估算点在估算时刻的第一三维向量，包括：对于任一估算点，将所述任一估算点的经度作为所述任一估算点对应的第一三维向量的第一个分量，将所述任一估算点的纬度作为所述任一估算点对应的第一三维向量的第二个分量，将所述任一估算点在估算时刻的雷达反射率因子作为所述任一估算点对应的第一三维向量的第三个分量。

其中，神经网络的训练步骤包括：选取多个历史时刻，获取每一估算点在每一历史时刻的第一三维向量，获取每一估算点在每一历史时刻的第二三维向量；对于任一估算点和任一历史时刻，将所述任一估算点在所述任一历史时刻的第一三维向量和所述任一估算点在所述任一历史时刻的第二三维向量组成的一组向量对作为一个训练样本；将所有训练样本输入到神经网络，对神经网络进行训练。