[发明专利]一种基于多尺度时空融合的降水临近预测模型

权利要求书

1.一种基于多尺度时空融合的降水临近预测模型，其特征在于，包括多尺度特征提取模块、多尺度空间预测模块、递归式跳跃链接模块以及多尺度预测特征融合模块；

所述多尺度特征提取模块，用于基于多层卷积神经网络对每一时刻输入图片进行特征提取，得到多尺度的特征；

所述多尺度空间预测模块，用于对不同尺度的雷达图片特征进行时空预测；

所述递归式跳跃链接模块，用于将编码器的输出与解码器对应的输出特征进行合并、相加以及融合操作；

所述多尺度预测特征融合模块，用于通过解码器将不同尺度的预测特征通过反卷积神经网络不断交融合并，得到预测的雷达图。

2.根据权利要求1所述的一种基于多尺度时空融合的降水临近预测模型，其特征在于，所述多尺度特征提取模块中内置有U-NET，即U型全卷积神经网络模型，对像素进行输入，使用该像素周围的图像块作为网络的输入，进行特征提取，得到多尺度的特征。

3.根据权利要求1所述的一种基于多尺度时空融合的降水临近预测模型，其特征在于，所述多尺度空间预测模块中内置有长短期记忆网络模型，多层长短记忆网络进行联合使用把握住不同时间和空间的信息，用于达到准确的预测效果。

4.根据权利要求1所述的一种基于多尺度时空融合的降水临近预测模型，其特征在于，所述递归式跳跃链接模块中内置有长短期记忆网络模型，当在模块中输入T时刻的图片，编码器的输出是T时刻的特征，解码器的输出是T+1时刻的特征，利用一个长短期记忆模型，将T时刻的特征转变为T+1时刻的特征，然后再通过合并、相加或者注意力机制对同一时刻的特征进行融合，保证合并的信息为T+1时刻的融合信息。

5.根据权利要求1所述的一种基于多尺度时空融合的降水临近预测模型，其特征在于，所述多尺度预测特征融合模块，通过在多个尺度对特征进行上下采样并进行融合，既包含雷达图在像素空间的预测，也包含高维特征空间的预测，使得不同尺度的特征分别得到不同的预测特征信息。

6.根据权利要求4所述的一种基于多尺度时空融合的降水临近预测模型，其特征在于，所述递归式跳跃链接模块中的长短期记忆网络模型也可替换成门控循环单元模型进行递归式跳跃链接模块的模型算法。