[发明专利]基于多尺度卷积神经网络的强降雨及雷暴预报方法和系统

权利要求书

1.一种基于多尺度卷积神经网络的强降雨及雷暴预报方法，其特征在于，包括以下步骤：

获取原始雷达回波数据；

对所述原始雷达回波数据进行预处理，得到雷达回波时间序列图像；

取任意三帧连续发生的雷达回波时间序列图像，通过构建的雷达回波卷积神经网络推演下一帧雷达回波图；

通过光流场法和线性插值法来推断出一分钟内的雷达回波变化；

所述雷达回波卷积神经网络的构建，包括以下步骤：

在雷达回波时间序列图像中取连续的四帧历史雷达回波序列；

取前面三帧作为输入，第四帧作为输出；

构造卷积网络，通过前面三帧图像的变化，来推演第三帧图像到第四帧图像的变化；

还包括：将推演得到的下一帧雷达回波图加入到所述雷达回波时间序列图像中，并删除所述雷达回波时间序列图像中最早时间点的雷达回波图。

2.根据权利要求1所述的基于多尺度卷积神经网络的强降雨及雷暴预报方法，其特征在于，二维雷达回波数据在每一点的取值为该点在第三维度上的最大值。

3.根据权利要求1所述的基于多尺度卷积神经网络的强降雨及雷暴预报方法，其特征在于，对所述原始雷达回波数据进行预处理，得到雷达回波时间序列图像，包括以下步骤：

将三维空间中的雷达回波映射到二维地理空间，得到二维雷达回波数据；

按时间序列对所述二维雷达回波数据进行排序，得到雷达回波时间序列图像。

4.一种基于多尺度卷积神经网络的强降雨及雷暴预报系统，其特征在于，包括：

获取模块，用于获取原始雷达回波数据；

预处理模块，用于对所述原始雷达回波数据进行预处理，得到雷达回波时间序列图像；

推演模块，用于取任意三帧连续发生的雷达回波时间序列图像，通过构建的雷达回波卷积神经网络推演下一帧雷达回波图；

差值计算模块，用于通过光流场法和线性插值法来推断出一分钟内的雷达回波变化；

系统还包括神经网络构建模块，用于雷达回波卷积神经网络的构建；所述神经网络构建模块包括：

提取模块，用于在雷达回波时间序列图像中取连续的四帧历史雷达回波序列；取前面三帧作为输入，第四帧作为输出；

构造模块，用于构造卷积网络，通过前面三帧图像的变化，来推演第三帧图像到第四帧图像的变化；

系统还包括更新模块，用于将推演得到的下一帧雷达回波图加入到所述雷达回波时间序列图像中，并删除所述雷达回波时间序列图像中最早时间点的雷达回波图。

5.根据权利要求4所述的基于多尺度卷积神经网络的强降雨及雷暴预报系统，其特征在于，所述预处理模块包括：

维度转换模块，用于将三维空间中的雷达回波映射到二维地理空间，得到二维雷达回波数据；

排序模块，用于按时间序列对所述二维雷达回波数据进行排序，得到雷达回波时间序列图像。