[发明专利]一种基于循环神经网络的热力约束外推客观订正方法

说明书

本发明公开了一种基于循环神经网络的热力约束外推客观订正方法，属于雷达回波短临预报领域。针对雷达外推预报的回波强度无法预估的问题，本发明使用数值模式预报结果对雷达回波的短临外推结果进行热力约束，首先基于数值模式预报结果生成危险天气发生概率产品，然后通过长短期记忆循环神经网络，建立危险天气概率预报产品和雷达回波概率密度分布函数间时序映射关系；基于该时序映射关系，结合数值模式0‑2小时预报结果，计算未来0‑2小时雷达回波概率密度分布，并以此对雷达回波外推结果进行频率匹配，将外推后的回波概率密度订正至预测的回波概率密度分布上去，实现雷达回波短临外推的客观订正，从而提高预报准确率。

技术领域

本发明涉及雷达回波短临预报领域，更具体地说，涉及一种基于循环神经网络的热力约束外推客观订正方法。

背景技术

短临预报(0-2h)是气象预报业务中的重点和难点。特别是针对强对流天气，由于其发生发展时间段、覆盖范围小、致灾性强，可预报性较低，成为预报员业务实践中的重要挑战。随着全球及区域数值模式的发展，数值预报逐渐成为业务预报中的重要工具。数值模式由于时间空间分辨率有限，无法实现精细化短临预报。

而当前常用的短临外推手段包括TITAN、光流法和TREC等。其中TITAN通过对雷暴落区和质心位置进行计算，预估雷暴单体的落区和质心的移动变化，无法实现单点的精细化预报。光流法和TREC方法在进行雷达回波短临外推时通过对比不同时刻的雷达回波变化，计算雷达回波的移动趋势方向，从而将回波按照一定的规则进行短临外推，能够实现定时定点定量的预报。然而光流和TREC算法由于在雷达回波短临外推的过程中可能出现回波发散、拉长等情况，因而有研究学者基于数值模式模拟数据，提出一种修正雷达回波外推图像发散现象的方法。

经检索发现一篇现有技术，发明名称：一种修正雷达回波外推图像发散现象的方法，公开号CN109283505A，公开日2019年01月29日，提出了一种修正雷达回波外推图像发散现象的方法，以改善雷达回波外推图像因发散而影响降水量等预报准确性的问题该方法通过将数值模式预报数据和外推数据进行一定的融合互补，将发散掉的雷达回波进行一定程度的修补，将回波“过度增加”或“过度减小”的区域进行削弱或填充，从而实现回波强度的修订。然而该方案主要作用是将发散掉的“多度增加”或“过度减小”的回波进行订正，即该方法的最终目的是将回波分布恢复至回波外推前的分布。TITAN、光流和TREC算法在本质上并未预测雷达回波的强弱变化，仅能够通过回波的移动变化对回波的移动进行预测，却无法预估回波强度的变化。

发明内容

1.要解决的技术问题

针对现有技术中存在的无法预估雷达回波强度变化的问题，本发明提供了一种数值模式预报场和雷达回波短临外推产品相结合的方法，并通过搭建LSTM(Long Short-TermMemory)循环神经网络模型，寻找根据数值模式预报结果和强对流天气发展变化趋势之间的关系，通过该变化关系它可以实现对雷达回波强度概率密度变化进行预测，并以此对雷达回波发展变化进行客观订正，实现了雷达回波短临预报准确率的提高。

2.技术方案

本发明的目的通过以下技术方案实现。

本发明利用数值模式和雷达回波短临外推相结合，并通过搭建LSTM循环神经网络模型，寻找根据数值模式预报结果预测和强对流天气发展变化趋势之间的关系，通过该变化关系对雷达回波概率密度变化进行预测，并以此对回波发展变化进行客观订正，提高雷达回波短临预报准确率。

具体而言，本发明公开了一种基于循环神经网络的热力约束外推客观订正方法，包括以下步骤：

步骤1：参考危险天气概率密度指数计算方法，根据数值模式计算强对流天气发生概率指数；

步骤2：通过样条插值方法将数值模式粗网格点低时空分辨率数据插值到雷达回波拼图数据的高时空分辨率网格点上；