[发明专利]降水量的预测方法、装置、设备和存储介质

说明书

本申请实施例提供一种降水量的预测方法、装置、设备和存储介质，该降水量的预测方法包括：获取预设数量的雷达回波图；将所述预设数量的雷达回波图输入预先训练好的降水预测网络模型，以得到预设数量的处理后的雷达回波图；根据预设数量的处理后的雷达回波图进行降水量预测；其中，所述降水预测网络模型由非局部模块Non‑local Block组成，所述非局部模块的输入与输出的维度相同，通过所设计的降水预测模型中的非局部模块实现了对雷达回波图进行全局特征提取，使得所提取的特征更符合大气的运行特征，从而提高了模型降水量预测的精度。

技术领域

本申请涉及气象科学技术领域，尤其涉及一种降水量的预测方法、装置、设备和存储介质。

背景技术

基于天气雷达探测回波图的临近预报技术对短时临近降水预报起到十分积极有效的作用。该技术从上世纪60年代开始被研究，随着雷达硬件基础设施和探测技术的不断更新，基于天气雷达的降水预报方法也取得了长足的进步。

基于雷达回波图进行短期降水量预测的基本思想是：利用雷达反射率因子对强回波进行识别，再根据回波区域的移动趋势，对回波未来的方位、强度做出预判，进而达到预报的目的。

然而，由于实际天气的发展演变过程十分复杂，从时间连续的回波图像可以看出，回波图像所表征的可降水区域每时每刻、从整体到局部都在不断地生消、发展、移动和变化，传统预报方法采用的预测模型通常是建立在线性运动关系的基础上或者采用局部特征提取技术的神经网络，而实际大气及大气中粒子的运动轨迹并不符合线性运动的规律，且采用局部特征提取技术，无法充分有效地提取流体(如云)的形态特征。

因此，现有的基于雷达回波的临近预报技术的降水量预测精度较低，无法满足需求。

发明内容

本申请提供一种降水量的预测方法、装置、设备和存储介质，基于雷达回波图，实现了基于全局特征提取技术的降水量预测，且降水量预测精度高。

第一方面，本申请实施例提供了一种降水量的预测方法，该方法包括：

获取预设数量的雷达回波图；

将所述预设数量的雷达回波图输入预先训练好的降水预测网络模型，以得到预设数量的处理后的雷达回波图；

根据预设数量的处理后的雷达回波图进行降水量预测；

其中，所述降水预测网络模型由非局部模块Non-local Block组成，所述非局部模块的输入与输出的维度相同。

可选地，将所述预设数量的雷达回波图输入预先训练好的降水预测网络模型，以得到预设数量的处理后的雷达回波图，包括：

将所述预设数量的雷达回波图一次性输入预先训练好的所述降水预测网络模型，以得到预设数量的处理后的雷达回波图。

可选地，所述降水预测网络模型包括输入模块和网络模块，所述网络模块包括设定层数的非局部模块，所述将所述预设数量的雷达回波图一次性输入预先训练好的所述降水预测网络模型，以得到预设数量的处理后的雷达回波图，包括：

经由所述输入模块，一次性获取预设数量的雷达回波图；

经由所述设定层数的非局部模块，对预设数量的雷达回波图进行全局特征提取，得到预设数量的处理后的雷达回波图。

可选地，所述非局部模块包括第一卷积层、第二卷积层、第三卷积层、归一化层、第四卷积层和残差层，所述经由所述设定层数的非局部模块用于对预设数量的雷达回波图进行全局特征提取，得到预设数量的处理后的雷达回波图，包括：

经由所述第一卷积层基于1×1×1卷积，对输入数据以及第一参数进行卷积操作，以得到第一卷积数据，其中，所述输入数据为预设数量的雷达回波图或上一层非局部模块的输出数据；