[发明专利]一种基于生成对抗网络的临近降雨预测方法

权利要求书

1.一种基于生成对抗网络的临近降雨预测方法，其特征在于：包括以下步骤：

S1：获取雷达回波图像；

S2：采用改进后的PredNet模型设计生成器，采用双通道输入卷积网络设计判别器，并根据所述生成器和所述判别器构建生成对抗网络模型，所述生成对抗网络模型的输入是步骤S1中的雷达回波图像；

S3：利用所述雷达回波图像对所述生成对抗网络模型进行训练，获得训练好的生成对抗网络模型，即此时获得训练好的生成器；

S4：将采集的待预测雷达回波图像输入到所述训练好的生成器中，输出雷达回波预测图像；

S5：根据所述雷达回波预测图像的反射强度预测所述雷达回波图像中对应区域的降雨强度。

2.如权利要求1所述的一种基于生成对抗网络的临近降雨预测方法，其特征在于：在步骤S2中，所述生成对抗网络模型的框架采用WGAN-GP。

3.如权利要求1所述的一种基于生成对抗网络的临近降雨预测方法，其特征在于：在步骤S2中，所述生成器采用所述改进后的PredNet模型进行预测，所述改进后的PredNet模型具有3层，每一层都包含输入卷积层、循环单元、预测卷积层和误差表示层；

所述改进后的PredNet模型是对所述循环单元进行改进，所述循环单元使用改进后的RgcLSTM神经元来代替ConvLSTM，保留遗忘门和更新门。

4.如权利要求3所述的一种基于生成对抗网络的临近降雨预测方法，其特征在于：

针对每一层，输入卷积层用来对当前时刻的输入进行卷积提取，得到第一卷积提取结果，并将所述第一卷积提取结果输入到误差表示层；

循环单元由神经元组成，用来生成当前时刻的雷达回波预测图像；

预测卷积层用来对当前时刻的雷达回波预测图像进行卷积操作，得到第二卷积提取结果，并将所述第二卷积提取结果输入到误差表示层；

误差表示层用于对接收的所述第一卷积提取结果和所述第二卷积提取结果进行误差计算，得到误差；

其中，第0层的输入卷积层的输入是雷达回波图像，第1层的输入卷积层的输入是第0层的误差表示层输出的误差，第2层的输入卷积层的输入是第1层的误差表示层输出的误差；所述第0层为生成器的起始层，第1层为紧邻起始层上面的那一层，第2层为紧邻第1层上面的那一层；

每一层的误差表示层输出的误差均输入到下一时刻的循环单元。