技术特征：
1.一种雷达回波外推预报方法，其特征在于，包括：获取雷达回波图像序列；将雷达回波图像序列输入预先训练的预测神经网络，获得雷达回波外推预测图像；其中，预测神经网络包括从输入到输出依次连接的编码器、预测网络和译码器，预测网络包括若干层依次连接的预测单元，预测单元采用基于上下文信息融合及注意力机制的长短期记忆网络。2.根据权利要求1所述的一种雷达回波外推预报方法，其特征在于，预测单元的工作过程为：对和进行信息融合，获得和；其中，若当前时刻当前预测单元层数l>1，为当前时刻第l-1层预测单元输出的隐藏状态，为前一时刻第l层预测单元输出的隐藏状态；若当前时刻当前预测单元层数l=1，，为当前时刻编码器的输出；为对应的新隐藏状态，为对应的新隐藏状态；基于注意力机制，根据、、和，获得；其中，为前一时刻第l层预测单元输出的记忆单元，为前τ个时刻第l层预测单元输出的记忆单元集，为前τ个时刻第l-1层预测单元输出的隐藏状态集，若当前时刻当前预测单元层数l=1，，为带有多个时间步信息的增强记忆单元；根据、、和，获得当前时刻当前预测单元输出的隐藏状态、时空单元和记忆单元；其中，若当前时刻当前预测单元层数l=1，为前一时刻最后一层预测单元输出的时空单元，若当前时刻当前预测单元层数l>1，为当前时刻第l-1层预测单元输出的时空单元；最后一层预测单元输出的隐藏状态作为译码器的输入。3.根据权利要求2所述的一种雷达回波外推预报方法，其特征在于，获得和的公式为：其中，*表示二维卷积，表示矩阵的点乘运算，为sigmoid激活函数，concat表示通道拼接，为的卷积核，为的卷积核，表示卷积核的大小，为依次经过不同尺寸卷积提取、进行通道拼接后的量，为依次经过不同尺寸卷积提取、进行通道拼接后的量，均为的卷积核，均为的卷积核，为用于更新的融合门，为用于更新的融合门。4.根据权利要求2所述的一种雷达回波外推预报方法，其特征在于，基于注意力机制，根据和，获得，包括：
对进行卷积运算；将卷积运算后的结果与分别进行点乘，获得；其中，为相关性系数；根据，获得；其中，为注意力得分；将和分别相乘后进行聚合，获得；其中，为长期运动信息；采用构建的融合门，根据、融合门和，获得。5.根据权利要求4所述的一种雷达回波外推预报方法，其特征在于，获得的公式为：其中，*表示二维卷积，表示矩阵的点乘运算，为卷积运算后的结果，为中第i个元素，为前i个时刻l-1层预测单元输出的隐藏状态，为中第j个元素，为前j个时刻第l层预测单元输出的记忆单元，为的卷积核，为的卷积核，为sigmoid激活函数。6.根据权利要求2所述的一种雷达回波外推预报方法，其特征在于，根据和，获得当前时刻当前预测单元输出的隐藏状态、时空单元和记忆单元，包括：根据和，获得当前时刻当前预测单元输出的记忆单元；根据和，获得当前时刻当前预测单元输出的时空单元；根据和，获得当前时刻当前预测单元输出的隐藏状态。7.根据权利要求6所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的记忆单元的公式为：其中，为sigmoid激活函数，为当前时刻用于输入门的卷积核，为前一时刻用于输入门的卷积核，为当前时刻用于输入调制门的卷积核，为前一时刻用于输入调制门的卷积核，表示当前时刻用于遗忘门的卷积核，表示前一时刻用于遗忘门的卷积核，为第一输入门，为第一输入调制门，为第一遗忘门，为对
应的偏差，为对应的偏差，为对应的偏差，*表示二维卷积，表示矩阵的点乘运算。8.根据权利要求6所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的时空单元的公式为：其中，为第二输入门，为第二输入调制门，为第二遗忘门，为对应的偏差，为对应的偏差，为对应的偏差，*表示二维卷积，表示矩阵的点乘运算，tanh表示双曲正切激活函数， 表示当前时刻用于输入门的卷积核，表示当前时刻用于输入门的卷积核，表示当前时刻用于输入调制门的卷积核，表示当前时刻用于输入调制门的卷积核，表示当前时刻用于遗忘门的卷积核，表示当前时刻用于遗忘门的卷积核。9.根据权利要求6所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的隐藏状态的公式为：其中，*表示二维卷积，表示矩阵的点乘运算，为输出门，为对应的偏差，tanh表示双曲正切激活函数，表示和按列拼接并保持行不变，表示当前时刻用于输出门的卷积核，表示前一时刻用于输出门的卷积核，表示用于输出门的卷积核，表示用于输出门的卷积核，表示用于的大小为的卷积核。10.一种雷达回波外推预报系统，其特征在于，包括：获取模块，获取雷达回波图像序列；预测模块，将雷达回波图像序列输入预先训练的预测神经网络，获得雷达回波外推预测图像；其中，预测神经网络包括从输入到输出依次连接的编码器、预测网络和译码器，预测网络包括若干层依次连接的预测单元，预测单元采用基于上下文信息融合及注意力机制的长短期记忆网络。
技术总结
本发明公开了一种雷达回波外推预报方法及系统，本发明采用基于上下文信息融合及注意力机制的长短期记忆网络构建预测神经网络，通过上下文信息融合提高了输入数据之间的相关性和输入数据的时空细节特征，增强网络的短期依赖能力，通过注意力机制可拓宽预测单元的时间感受野来感知更多的时间动态，捕获更可靠的帧间运动信息，大大增强了降雨预测精准度。本发明克服了现有技术对上下文信息提取不足、预报时效短的缺点，实现了准确度更高的雷达回波外推预测。外推预测。外推预测。
技术研发人员：程勇 渠海峰 李远禄 王军 许小龙 何光鑫 杨玲 钱坤 王伟 何佳信
受保护的技术使用者：南京信息工程大学
技术研发日：2022.10.27
技术公布日：2022/11/25