[发明专利]一种降水量预测方法及系统

说明书

本发明公开了一种降水量预测方法及系统，方法包括：获取目标预测区域内卫星接收器实时获取的卫星数据；基于卫星数据，通过GAMIT计算出目标预测区域的可降水量；实时获取气象数据；基于计算出的目标预测区域的可降水量以及气象数据，训练得到降水预测模型；基于降水预测模型预测得到降水量。本发明能够基于目标预测区域的卫星数据，利用GAMIT软件从卫星数据中解算出可降水量，结合该区域基本气象数据，训练预测降水神经网络模型，利用预测模型简单、快捷、无严格时空限制的预测出降水量。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种降水量预测方法及系统。

背景技术

预测降水以及它的变化在水文循环领域十分重要。众所周知，我国是农业大国，2020年5至7月我国南方遭受了洪涝灾害，所以，准确、简易、随时随地的计算、预测降水对我国经济发展十分重要。

准确预测降水量是十分复杂的问题，因为它取决于许多参数。现阶段的传统降水量预测都是气象部门从全球观测网上获得数据，通常情况下是地面数据每3小时获取一次，高空数据是每12小时获取一次，然后气象站通过数据的计算来预测未来的降水量。虽然有较好的准确性和实时性，但是在偏远地区、欠发达地区，由于基础设置的缺失，无法做到实时准确。而现有的基于神经网络的预测降水量的方法，时空限制较高，只可以以接收基站为预测点，并且以月为单位来预测降水。其原因为无法实时对气象数据进行解算。

在气象观测中，可降水量(PWV)是一个很好的监控，预测降水的因素，它是由大气中的水气含量决定的。水汽一般称为可降水水汽，它的定义是在单位面积的垂直柱中包含的大气总水汽(单位为毫米)。传统测量可降水量的方法是无线电探空仪和微波辐射计。然而，无线电探空仪的时间分辨率较差，微波辐射计的运行成本较高。地球同步轨道传感器也可用于测量可降水量，但像素如果受到云的影响，其性能会下降。天气气象站对该值提供直接观测，只能提供本地的地表测量。总而言之，现阶段对降水量的获取方式都较为复杂、成本过高并且有着区域的限制。

因此，如何更加有效的对降水量进行预测，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种降水量预测方法，能够基于GAMIT解算卫星数据，进而更加准确有效的预测出降水量。

本发明提供了一种降水量预测方法，包括：

获取目标预测区域内卫星接收器实时获取的卫星数据；

基于所述卫星数据，通过GAMIT计算出所述目标预测区域的可降水量；

实时获取气象数据；

基于计算出的所述目标预测区域的可降水量以及所述气象数据，训练得到降水预测模型；

基于所述降水预测模型预测得到降水量。

优选地，所述基于计算出的所述目标预测区域的可降水量以及所述气象数据，训练得到降水预测模型，包括：

基于计算出的所述目标预测区域的可降水量以及所述气象数据，对Keras序贯模型进行训练，得到降水预测模型。

优选地，所述方法还包括：

通过自适应学习调整所述降水预测模型，得到新的降水预测模型；

相应的，所述基于所述降水预测模型预测得到降水量，包括：

基于所述新的降水预测模型预测得到降水量。

优选地，所述目标预测区域为10千米×10千米的网格。

优选地，所述卫星数据包括：北斗卫星系统的卫星数据和/或GPS卫星系统的卫星数据。

一种降水量预测系统，包括：