公开(公告)号：CN118153628A

公开(公告)日：2024-06-07

申请号：CN202410235758.7

申请日：2024-03-01

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  李梦月 ,  刘厂

IPC: G06N3/0455 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/0442 ,  G06N3/084 ,  G01W1/10

Abstract: 本发明公开了一种基于深度学习的短时定量降水数值预报订正方法，属于气象卫星领域；首先，收集GFS预报数据和GPM IMERG逐半小时降水数据，将二者进行时间分辨率与空间分辨率匹配，构建训练数据集；然后，利用对称的编码器‑解码器结构，采用残差CBAM模块和门控时空注意力模块，结合动量梯度下降优化器，并在多层次间使用损失函数从而获取最优解，构建起能够有效订正降水预报产品从而实现定量降水预报的深度学习模型。最后，针对待测时刻的GFS气象预报数据，将其处理为与训练数据相同形状和经纬度范围，经过插值和翻转处理后得到区域数据输入训练好的模型中，进行降水订正从而得到新的降水预报结果。本发明实现了将目标区域的定量降水情况可视化。

公开(公告)号：CN117008217A

公开(公告)日：2023-11-07

申请号：CN202310848720.2

申请日：2023-07-11

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  李梦月 ,  刘厂 ,  叶远康

IPC: G01W1/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种融合自注意力模块与Unet模型的短时强降水预报方法，属于气象卫星领域；具体包括：首先，收集GFS预报数据和GPM‑IMERG逐半小时降水数据，将二者进行时间分辨率与空间分辨率匹配，并进行初步处理之后构建训练数据集；然后，将自注意力模块嵌入Unet模型，构建能够预报短时强降水的融合模型；并基于融合模型对训练数据集进行训练并调参，得到最优融合模型。最后，针对待测时刻的GFS气象预报数据，将其处理为与训练数据相同形状和经纬度范围，经过插值和翻转处理后得到区域数据；将区域数据输入训练好的最优融合模型中，计算出强降水预报结果。本发明通过使用GFS预报数据和降水数据训练深度学习模型，并将目标区域的强降水情况可视化。