[发明专利]一种双流卷积长短期记忆网络的短时临近降雨预报方法

说明书

本发明提出了一种双流卷积长短期记忆网络的短时临近降雨预报方法，属于天气预报技术领域。该方法通过两个分别对不同周期的降雨数据进行学习的长期预测子网络和短期预测子网络共同捕捉降雨过程中的时空变化，设计了一种全新的长短期记忆单元来提升子网络的时空特征学习能力，最后通过重结合模块实现对降雨过程的预测。该发明能够充分地捕获连续运动的降雨过程时空相关性，实现对区域内降雨运动趋势更精确的预报。

技术领域

本发明涉及一种双流卷积长短期记忆网络的短时临近降雨预报方法，属于天气预报技术领域。

背景技术

相较于短期、中期、长期预报，短时临近预报的时效更短，主要集中在0-12小时，主要在于对中小尺度天气系统，尤其是强对流天气系统的预报，是一个具有巨大实际应用价值的研究领域。目前，该技术已经被广泛应用于居民的日常出行和生产活动、飞机航班的起飞与降落和重大活动的气象保障服务为等方面提供降雨信息，它不仅能够方便人们，而且有利于防灾减灾。

但是，相对于大尺度天气系统，强对流天气系统具有生命史短、突发性强等特点。其生命周期短的只有几分钟到几十分钟，最长不过十几个小时。由于生消速度快，因而难以把握。在这些气候因素的影响下，难以确定对流的形状和大小，并且对流呈现出复杂的变化趋势，这就需要一个能够捕捉数据之间的时空相关性的预测模型来解决这个问题。另一方面，与其他的预报任务相比，短临预报对时效性的要求更高，因此这项工作非常具有挑战性。

目前临近预报的常规方法主要是基于雷达回波外推方法和数值模式方法，但是传统的外推方法，没有充分挖掘历史观测数据的规律，仅依靠现有的几个有限的雷达数据进行预报；在预报效果上，由于没有考虑降雨系统的发生、发展、消亡等演化过程，使得预报的准确率不高。在预报产品的精细度上，无法满足区域对降雨产品的需求，特别是气候多变的沿海地区。

发明内容

为了克服现有技术的不足，本发明提供了一种满足短临预报对时效性的基于双流卷积长短期记忆网络的短时临近降雨预报方法。

本发明的技术方案：

本发明提供了一种双流卷积长短期记忆网络的短时临近降雨预报方法，其步骤如下：

步骤一，将历史连续降雨数据绘制成降雨图并构建具有统一时间维度和空间维度的长时间周期输入序列和具有统一时间维度和空间维度的短时间周期输入序列，所述具有统一时间维度和空间维度的长时间周期输入序列和所述具有统一时间维度和空间维度的短时间周期输入序列的最后时刻为同一时刻；

步骤二，对所述具有统一时间维度和空间维度的输入序列采用层标准化LayerNormalization方法调整其分布；

步骤三，构造所述双流卷积长短期记忆网络的预测模型，其包含长期预测子网络和短期预测子网络，

所述长期预测子网络包含第一3D卷积Ⅰ和3D-SA-LSTM堆叠网络Ⅰ，所述3D-SA-LSTM堆叠网络Ⅰ包括第一编码网络和第一预测网络，所述第一编码网络由R1层*S1列3D-SA-LSTM记忆网络单元Ⅰ堆叠构成，所述第一预测网络由R2层*S2列3D-SA-LSTM记忆网络单元Ⅰ堆叠构成，所述3D-SA-LSTM记忆网络单元Ⅰ是在LSTM记忆网络单元融入第一3D卷积网络Ⅰ和SAblock自注意力模块形成，所述具有统一时间维度和空间维度的长时间周期输入序列通过所述第一3D卷积Ⅰ编码得到长时间周期的降雨数据的时空特征图Ⅰ，所述长时间周期的降雨数据的时空特征图Ⅰ通过所述3D-SA-LSTM堆叠网络Ⅰ后提取得到降雨过程中的时空特征Ⅰ；