一种降水量预测方法与流程

本发明涉及天气预报，更具体的说是涉及一种降水量预测方法。

背景技术：

1、目前，随着我国数值天气预报的发展，气象预报预测业务步入高质量发展阶段，天气预报准确率稳步提升，稳居国际先进行列。

2、但现有降水量预测的更新速度、准确度以及位置精确度依然不能满足日益增长的需求。

3、因此，如何提供一种更新速度更快、准确度更高且预测位置更精确的降水量预测方法是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明的目的是提供一种降水量预测方法，其更新速度更快、准确度更高且预测位置更精确。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种降水量预测方法，包括以下步骤:

4、s1：获取待预测位置最近t1时间内的实际累计降水量obs；

5、s2：基于所述实际累计降水量obs、各个降水量级以及各个降水量级的最优权重系数获得待预测位置未来t2时间内的第一预测累计降水量obs-qpf；

6、s3：将最近三个连续时刻的实际雷达回波图像输入到训练好的雷达回波预测模型，获得待预测位置未来t2时间内各个时刻的预测雷达回波强度；

7、s4：基于待预测位置未来t2时间内各个时刻的预测雷达回波强度求得待预测位置未来t2时间内各个时间段的预测累计降水量；

8、s5：将待预测位置未来t2时间内各个时间段的预测累计降水量相加，获得待预测位置未来t2时间内的第二预测累计降水量cr-qpf；

9、s6：基于待预测位置未来t2时间内的第一预测累计降水量obs-qpf和待预测位置未来t2时间内的第二预测累计降水量cr-qpf获得待预测位置未来t2时间内的最终预测累计降水量f-qpf。

10、优选的，s2中所述各个降水量级包括第一量级l1、第二量级l2、...、第n量级ln；所述各个降水量级的最优权重系数包括第一最优权重系数w1、第二最优权重系数w2、...、第n最优权重系数wn；其中n大于等于2；

11、若所述实际累计降水量obs大于第i量级li且小于第i+1量级li+1，其中1≤i≤n-1,则采用如下公式计算待预测位置未来t2时间内的第一预测累计降水量obs-qpf：

12、obs-qpf＝w1(l2-l1)+w2(l3-l2)+...+wi(obs-li)。

13、优选的，s3中获取所述训练好的雷达回波预测模型方法为：

14、将若干实际雷达回波图像组输入到rnn深度学习模型对其进行训练获得初始雷达回波预测模型；每一个所述实际雷达回波图像组包括三个连续时刻的实际雷达回波图像；

15、采用反向传播算法优化所述初始雷达回波预测模型，获得训练好的雷达回波预测模型。

16、优选的，雷达回波预测模型的损失函数为：

17、

18、其中，n表示雷达回波图像包括的待预测位置数量，fi表示第i个预测位置的预测雷达回波强度，oi表示第i个预测位置的实际雷达回波强度。

19、优选的，所述s4中采用以下公式求得待预测位置未来t2时间内各个时间段的预测累计降水量：

20、z＝a×ib；

21、其中，z表示待预测位置未来t2时间内t时刻的预测雷达回波强度，所述t时刻为所述各个时刻中的一个时刻；i表示待预测位置未来t2时间内从t-t1到t时间段的预测累计降水量；a和b为系数。

22、优选的，采用如下公式计算待预测位置未来t2时间内的最终预测累计降水量f—qpf：

23、f-qpf＝a1*obs-qpf+a2*cr-qpf；

24、其中，0＜a1＜1；0＜a2＜1。

25、优选的，所述t1取值为10min。

26、优选的，所述t2取值为1h或2h。

27、优选的，所述n取值为8；l1取值为0.1；l2取值为1.0；l3取值为2.5；l4取值为3.2；l5取值为4.5；l6取值为6.5；l7取值为9.0；l8取值为12.0。

28、优选的，若t2取值为1h，则w1取值为6；w2取值为5；w3取值为4；w4取值为3.5；w5取值为3；w6取值为2.9；w7取值为2.7；w8取值为2.5；

29、若t2取值为2h，则w1取值为12；w2取值为9；w3取值为8；w4取值为6；w5取值为5；w6取值为4.5；w7取值为4；w8取值为3.6。

30、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种降水量预测方法，其更新速度更快、准确度更高且预测位置更精确。

技术特征：

1.一种降水量预测方法，其特征在于，包括以下步骤:

2.根据权利要求1所述的一种降水量预测方法，其特征在于，s2中所述各个降水量级包括第一量级l1、第二量级l2、...、第n量级ln；所述各个降水量级的最优权重系数包括第一最优权重系数w1、第二最优权重系数w2、...、第n最优权重系数wn；其中n大于等于2；

3.根据权利要求1所述的一种降水量预测方法，其特征在于，s3中获取所述训练好的雷达回波预测模型方法为：

4.根据权利要求1或3所述的一种降水量预测方法，其特征在于，雷达回波预测模型的损失函数为：

5.根据权利要求1所述的一种降水量预测方法，其特征在于，所述s4中采用以下公式求得待预测位置未来t2时间内各个时间段的预测累计降水量：

6.根据权利要求1所述的一种降水量预测方法，其特征在于，采用如下公式计算待预测位置未来t2时间内的最终预测累计降水量f—qpf：

7.根据权利要求1所述的一种降水量预测方法，其特征在于，所述t1取值为10min。

8.根据权利要求1或2所述的一种降水量预测方法，其特征在于，所述t2取值为1h或2h。

9.根据权利要求8所述的一种降水量预测方法，其特征在于，所述n取值为8；l1取值为0.1；l2取值为1.0；l3取值为2.5；l4取值为3.2；l5取值为4.5；l6取值为6.5；l7取值为9.0；l8取值为12.0。

10.根据权利要求9所述的一种降水量预测方法，其特征在于，若t2取值为1h，则w1取值为6；w2取值为5；w3取值为4；w4取值为3.5；w5取值为3；w6取值为2.9；w7取值为2.7；w8取值为2.5；

技术总结
本发明公开了一种降水量预测方法，包括以下步骤:获取待预测位置最近T<subgt;1</subgt;时间内的实际累计降水量OBS；基于实际累计降水量OBS、各个降水量级以及各个降水量级的最优权重系数获得第一预测累计降水量OBS‑QPF；将最近三个连续时刻的实际雷达回波图像输入到训练好的雷达回波预测模型，获得各个时刻的预测雷达回波强度；基于各个时刻的预测雷达回波强度求得各个时间段的预测累计降水量；将各个时间段的预测累计降水量相加，获得第二预测累计降水量CR‑QPF；基于第一预测累计降水量OBS‑QPF和第二预测累计降水量CR‑QPF获得最终预测累计降水量F‑QPF。本发明预测降水量的更新速度更快、准确度更高且预测位置更精确。

技术研发人员：吴启树,付超,危国飞,刘铭,方馨兰
受保护的技术使用者：福建省气象台
技术研发日：
技术公布日：2024/1/25