申请/专利权人：浙江省气象台

申请日：2023-12-12

公开（公告）日：2024-06-04

公开（公告）号：CN117805826B

主分类号：G01S13/95

分类号：G01S13/95;G01S7/41;G01W1/10;G01W1/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明属于降水估测技术领域，公开了一种基于MIM网络和雷达拼图的分钟降水估测方法及系统，在时序模型SpatiotemporalLSTM的基础上引入MIM‑S和MIM‑N模块，能够提取雷达图像中的非平稳特征，有机会使时空过程逐渐平稳化，使其更具可预测性，通过雷达拼图大数据样本的训练，可以得到更加精细、覆盖范围更广、普适性更高、推广应用价值更高的模型，同时可以弥补海上无降水观测的短板，改进传统方法估测精度低、计算复杂且普适性不高的缺点。基于双偏振雷达拼图的反演模型可移植性强，相对于单部雷达的反演模型能够发挥更大的业务应用价值。因此，本发明对于进一步提升降水估测以及降水短临预报能力，具有十分重要的意义。

主权项：1.一种基于MIM网络和雷达拼图的分钟降水估测方法，其特征在于，首先，实施双偏振雷达数据的质量控制，使用MetEcho算法进行非气象回波的识别和抑制，并对雷达数据进行系统误差标定及双通道检查；其次，通过将多部雷达的数据插值到统一的笛卡尔网格上，实现多部双偏振雷达的组网拼图，形成雷达网的三维拼图格点场；接着，生成具有高时空分辨率的雷达拼图训练数据集，并采用CMPAS融合数据作为模型训练的目标变量，同时对数据进行标准化处理以提高模型的性能和训练速度；最后，构建基于MIM网络的深度学习模型，该模型结合SpatiotemporalLSTM和多个MIMblock，能够有效地从时空动态中学习和捕捉高阶非平稳性特征，用于精准的分钟级降水估测；基于MIM网络和雷达拼图的分钟降水估测方法包括：S1，雷达偏振量的质量控制：双偏振雷达数据质量控制采用MetEcho算法实现非气象回波识别，首先计算雷达变量ZDR、Φdp、ρhv的标准差，其次对ZH、ρhv做窗口平滑处理；S2，多部双偏振雷达的组网拼图：首先把球坐标系下的雷达反射率因子值插值到统一的笛卡尔网格，然后把来自多个雷达的格点反射率场拼接起来就可形成雷达网三维拼图格点场；S3，生成逐6分钟间隔的雷达拼图训练数据集，包括三个特征量，裁剪到一定的经纬度范围，构建的雷达训练集样本量约50000个，时空分辨率1公里，逐6分钟间隔；目标变量采用国家气象信息中心研发的CMPAS地面+卫星+雷达三源融合降水实况分析数据，为深度学习模型的训练提供可靠的目标数据；深度学习模型的输入数据需要经过标准化处理，利用数据标准化X_normalized＝X-X_minX_max-X_min方法通过对特征进行线性变换，将数据缩放到一个指定的最小值和最大值之间，有助于提高模型的性能和训练速度；S4，深度学习网络的构造和参数优化：采用MIM网络，网络一共四层，第一层是SpatiotemporalLSTM作为基础网络，其余三层为MIMblock块，通过对角线状态连接将多个MIM块相互链接起来，用于建模时空预测中的差异信息；通过堆叠多个MIM块，可以潜在地从时空动态中学习高阶非平稳性特征；S1中偏振量质量控制算法包括5个步骤：1沿着雷达波束发射的径向方向，ZDR以5个雷达库为一个移动窗口，对ZDR进行窗口平滑处理，并计算每个雷达库的标准差stddevZDR；2相同原理计算stddevΦdp，以8个雷达库为一个移动窗口对Φdp进行平滑处理，并计算标准差；3stddevρhv是ρhv以5个雷达库为一个移动窗口对ρhv进行平滑处理，并计算标准差；4ρhv以5个雷达库作为一个移动窗口进行平滑处理，ZH以10个雷达库作为一个移动窗口进行平滑处理；5完成六个输入的雷达变量的计算后，开始对隶属函数进行计算，将雷达变量代入模糊算法中，利用数学运算整合6个参量的信息，计算不同每个雷达库的气象和非气象回波中的隶属度，用下面的公式进行计算： 在上式中，PiVj表示每个变量的隶属函数，j表示输入的变量，i表示水凝物的分类值；Ai表示第j个变量与第i个水凝物的匹配程度，每个变量的隶属函数范围在0～1之间；Wij表示每个变量给定的权重值；若对论域U中的任一元素x，都有一个数Ax∈[0，1]与之对应，则称A为U上的模糊集，Ax称为x对A的隶属度；当x在U中变动时，Ax就是一个函数，称为A的隶属函数；隶属度Ax越接近于1，表示x属于A的程度越高，Ax越接近于0表示x属于A的程度越低。

全文数据：

权利要求：

百度查询： 浙江省气象台 基于MIM网络和雷达拼图的分钟降水估测方法及系统

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