申请/专利权人：江苏省气象台

申请日：2024-03-19

公开（公告）日：2024-05-24

公开（公告）号：CN117907965B

主分类号：G01S7/41

分类号：G01S7/41;G01S13/95;G01W1/10

优先权：

专利状态码：有效-授权

法律状态：2024.05.24#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及天气雷达信息处理技术领域，提供一种面向对流风暴精细结构的三维雷达回波临近预报方法，包括如下步骤：获取分析区域的基本反射率因子数据，通过质控和插值，建立分析区域的高分辨率三维雷达回波数据集；根据高分辨率三维雷达回波数据集，采用SwinURNN3D融合框架，训练得到最优三维雷达回波临近预报模型；以最临近三维雷达反射率数据序列作为最优三维雷达回波临近预报模型输入，输出预测的三维雷达反射率因子序列。本发明建立了包含多垂直层的三维雷达回波数据集作为模型输入，解决了现有技术中单一层次雷达回波临近预报不能反映对流风暴结构的问题。

主权项：1.一种面向对流风暴精细结构的三维雷达回波临近预报方法，其特征在于，包括如下步骤：S100、获取分析区域的基本反射率因子数据，通过质控和插值，建立分析区域的高分辨率三维雷达回波数据集；具体方法为：S110、确定分析区域的空间范围、水平和垂直分辨率，建立预报网格；S120、从分析区域中的偏振天气雷达中提取基本反射率因子数据，基本反射率因子数据进行质量控制，用于剔除非气象杂波；质量控制的基本反射率因子数据通过三维组网拼图方式插值到等距离分析网格，建立分析区域内的高分辨率三维雷达回波数据集；S200、根据高分辨率三维雷达回波数据集，采用基于SwinURNN3D融合框架，训练得到最优三维雷达回波临近预报模型，具体方法为：S210、设计基于深度学习的三维雷达回波临近预报模型，所述三维雷达回波临近预报模型，采用融合了一个引入注意力机制的全卷积神经网络UNet，以及一个并行的训练神经网络SwinRNN子网络，生成的SwinURNN3D融合框架；S220、设计综合损失函数，综合考虑平衡L1损失函数，风格损失函数，三维生成对抗损失函数和垂直方向梯度损失函数四种计算损失函数的方法，即： ；其中，表示平衡L1损失函数，表示风格损失函数，表示三维生成对抗损失函数，表示垂直方向梯度损失函数；S230、通过模型训练和超参数调整，获得最优三维雷达回波临近预报模型；S300、以最临近三维雷达反射率序列数据作为最优三维雷达回波临近预报模型输入，输出预测的三维雷达反射率因子序列。

全文数据：

权利要求：

百度查询： 江苏省气象台 面向对流风暴精细结构的三维雷达回波临近预报方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD