[发明专利]一种基于多LSTM模型融合的降水量预测方法以及装置

说明书

本公开是关于一种基于多LSTM模型融合的降水量预测方法、装置、电子设备以及存储介质。其中，该方法包括：获取目标区域内日粒度的历史气象数据，并将所述历史气象数据中的历史降水量按照预设间隔切分为多个数据集；分别建立所述多个数据集的LSTM模型并融合后与所述其它因素预测模型合并，生成降水量预测模型；对所述降水量预测模型的训练过程特性设置以完成模型训练；通过k折交叉验证法在验证集合上优化所述降水量预测模型的超参数；对未来时刻降水量预报模型输入新的采样时刻，得到对应降水量预报值。本公开通过多LSTM模型融合引入多组历史气象数据实现对降水量的预测，提升了对历史数据的感知能力，预测结果精准。

技术领域

本公开涉及气象预测领域，具体而言，涉及一种基于多LSTM模型融合的降水量预测方法、装置、电子设备以及计算机可读存储介质。

背景技术

降水是水循环关键的组成部分，直接或间接地影响这人类的生活和发展。科学预测降水是提高水资源预测、水文预报准确性、实用性的基础，对合理利用水资源、提高工农业用水都用重要的意义。所以降水量预报的准确程度已成为影响国计民生的重要因素之一。提高降水量预报准确度越来越成为气象预报领域的十分重要的方向。

然而，气象变化是一种物理形成过程异常复杂多变的自然现象，受到时间和空间因素的多重影响，仅影响降水的影响因子就达到上百个特征。目前，常用降水量统计预报方法主要有PLS回归、自回归模型(AR)、有多元线性时滞回归方法等传统统计方法和人工神经网络、小波神经网络等模型。传统统计方法结构简单，但是解决非线性的降水预测问题很难取得理想效果。

由上可知，需要提供一种或多种至少能够解决上述问题的技术方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于多LSTM模型融合的降水量预测方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种基于多LSTM模型融合的降水量预测方法，包括：

历史数据处理步骤，获取目标区域内日粒度的历史气象数据，使用历史同期及未来同期气象数据平均值补全所述历史气象数据中缺失，并将所述历史气象数据中的历史降水量按照预设间隔切分为多个数据集；

预测模型建立步骤，分别建立所述多个数据集的LSTM模型及所述历史气象数据中除历史降水量外其它数据的其它因素预测模型，并将所述LSTM模型融合后与所述其它因素预测模型合并，生成降水量预测模型；

模型特性设置步骤，对所述降水量预测模型的训练过程特性设置以完成模型训练；

超参数优化步骤，通过k折交叉验证法在验证集合上优化所述降水量预测模型的超参数；

预测值生成步骤，将训练后的多LSTM融合的降水量预测模型作为对未来时刻降水量预报模型，输入新的采样时刻，得到对应降水量预报值。

在本公开的一种示例性实施例中，所述历史数据处理步骤还包括：

所述历史气象数据包括降水量、气压变化、温度变化、水汽压、露点温度；

其中，所述气压变化为日粒度最高气压与日粒度最低气压的差值，所述温度变化为日粒度最高温度与日粒度最低温度的差值。

在本公开的一种示例性实施例中，所述历史数据处理步骤还包括：

使用历史同期及未来同期气象数据平均值补全所述历史气象数据中缺失，优选的可调历史窗口期值为5，如超出历史数据则以实际数据为准，优选的可调未来窗口期值为5，如超出未来数据则以实际数据为准。