[发明专利]微波水平降雨场高时空分辨率重构分析与短临预测方法

权利要求书

1.微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，包括：

S1、基于地面微波站点的分布，搭建由微波链路组成的微波链路降雨观测网，对降雨区域进行网格化处理；

S2、计算微波链路路径的平均降雨衰减值，根据所述降雨区域内各位置的降雨强度之间的相关性进行高时空分辨率水平降雨场的重构分析；

所述高时空分辨率水平降雨场的重构分析步骤包括：

计算微波链路路径的平均降雨情况，得到路径降雨衰减值；

通过幂率模型得到所有链路的平均降雨强度；

利用所得的所有链路的平均降雨强度，基于降雨区域内各个位置的降雨强度之间的相关性，通过克里金插值法或短距离加权法对所述高时空分辨率的水平降雨场进行重构；

S3、基于重构的高时空分辨率水平降雨场，利用深度学习的方法实现对于短临降雨场的预测；

其中，所述利用深度学习的方法实现对于短临降雨场的预测步骤包括：

S3.1、构建针对高时空分辨率区域降雨场外推的具有输入输出结构的深度学习网络；

S3.2、通过历史资料，建立所述水平降雨场中每一个网格内雨强及其相邻n个时刻雨强的关系训练集；

S3.3、利用LSTM方法，结合所述训练集中实测降雨场中降雨强度的分布特征对所述深度学习网络进行训练，建立下一时刻预测降雨场中降雨强度的映射关系；

S3.4、根据所述下一时刻预测降雨场和实测降雨场的雨强之间的误差，通过迭代的方式调整所述LSTM模型的参数，直到损失函数满足终止条件或达到最大迭代次数；

S3.5、根据所述深度学习网络模型，对实测降雨场的雨强进行预测，得到预测的短临降雨场。

2.根据权利要求1所述的微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，所述S1中，所述微波链路降雨观测网的种类包括星地微波链路网和地面微波链路网。

3.根据权利要求2所述的微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，组成所述微波链路降雨观测网的相关因素包括组成链路网的条数、链路的长短、链路网的密度以及链路网的空间分布，还包括基于卫星和地面接收站的分布情况和分布不均匀的不规则网格。

4.根据权利要求1所述的微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，所述深度学习网络包括序列输入层、卷积层、池化层、LSTM层、全连接层、回归层和输出层。

5.根据权利要求4所述的微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，

所述序列输入层接收来自训练集的降雨场样本，通过卷积层提取每个降雨场中降雨强度的特征，将经过池化层后产生的特征向量送入LSTM层，生成输出量进入全连接层，通过全连接层建立下一时刻降雨场中降雨强度的映射关系。

6.根据权利要求1所述的微波水平降雨场高时空分辨率重构分析与短临预测方法，其特征在于，S3.4中，所述终止条件为损失函数loss＜0.01，最大迭代次数为500。