首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于SFGAN-ARPredRNN模型和多层雷达数据的短时强降水分钟级预报方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广东省气象台(南海海洋气象预报中心、珠江流域气象台)

摘要:本发明公开了基于SFGAN‑ARPredRNN模型和多层雷达数据的短时强降水分钟级预报方法,涉及天气预报技术,针对现有技术中雷达回波逐渐衰减的难题提出本方案。对PredRNN模型嵌入时间注意力模块和层间注意力模块,增加历史关键信息补充多层雷达的原始输入信息,并增加残差结构得到ARPredRNN模型;将所述ARPredRNN模型基于序列信息和每帧图片生成对抗网络,得到所述SFGAN‑ARPredRNN模型;最后利用所述SFGAN‑ARPredRNN模型对短时强降水作分钟级定量的预报。优点在于,促进了雷达回波随时间逐渐衰减难题的解决。分类分季构建短时强降水雷达回波预报模型,差异化训练模型。提升短时强降水的预报效果。在线训练,实时修正强降水雷达回波预报。

主权项:1.基于SFGAN-ARPredRNN模型和多层雷达数据的短时强降水分钟级预报方法,其特征在于,对PredRNN模型嵌入时间注意力模块和层间注意力模块,增加历史关键信息补充多层雷达的原始输入信息,并增加残差结构得到ARPredRNN模型;将所述ARPredRNN模型基于序列信息和每帧图片生成对抗网络,得到所述SFGAN-ARPredRNN模型;最后利用所述SFGAN-ARPredRNN模型对短时强降水作分钟级定量的预报;所述ARPredRNN模型包括TAM模块用于捕捉不同时间帧的注意力,还包括LAM模块用于捕捉不同层间的注意力;所述PredRNN模型设置TAM模块和LAM模块后得到AttST-LSTM模型,模型表达式为: ; ; ; ; ; ; ; ;其中X为当前时次的张量,t为时次,g为加工门、i为更新门、f为遗忘门,W为权重,l为任一层,H为隐藏状态,M为空间记忆特征张量,C为时间记忆特征张量,o为输出门,Q为查询张量、K为键张量、V为值张量,T为TAM的代称,S为LAM的代称。

全文数据:

权利要求:

百度查询: 广东省气象台(南海海洋气象预报中心、珠江流域气象台) 基于SFGAN-ARPredRNN模型和多层雷达数据的短时强降水分钟级预报方法

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。