一种平方根变换与融合网络的台风暴雨预报方法和系统与流程

本发明涉及气象灾害监测预警，更具体的说是涉及一种平方根变换与融合网络的台风暴雨预报方法和系统。

背景技术：

1、台风及其诱发的强降雨灾害是中国沿海及内陆地区面临的主要自然灾害之一。由于台风降水具有强度大、突发性强、演化机理复杂等特点，实现高精度的逐小时降水精细化预报，对于保障人民生命财产安全、提升应急管理响应能力具有至关重要的意义。

2、目前，传统的台风降水预报主要依赖于数值天气预报模式，但其存在以下局限性：计算资源消耗大且时效性受限：数值模拟通常需要复杂的动力学方程组求解，难以满足灾害链快速演化下的实时预警需求。非线性特征捕捉能力不足：降水数据在时间与空间上呈现极强的非线性和非平稳性，传统模型在处理极端强降水时，往往出现平滑效应，导致强度预报偏低或空间位置偏移。数据利用率不高：现有的深度学习预报方法多侧重于单一时相的卫星遥感数据，忽略了台风历史移动路径与降水时空演化规律之间的深层关联。此外，在利用深度学习模型进行降水回归预测时，由于降水数据在数值分布上具有显著的长尾特征，即轻雨样本极多，极端暴雨样本极少，直接进行训练往往导致模型对强降水的敏感度较低，难以准确复现灾害级的降水强度量级。

3、因此，如何有效地融合台风路径信息与多时相卫星降水遥感特征，并克服降水数据分布极度不均带来的回归误差，实现空间位置与强度量级双高精度的台风-暴雨预测，已成为当前应急管理与防灾减灾领域亟待解决的关键技术问题。

技术实现思路

1、鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种平方根变换与融合网络的台风暴雨预报方法和系统。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明实施例提供一种平方根变换与融合网络的台风暴雨预报方法，包括：

4、获取目标区域的当前时刻及连续多个前序时刻的卫星降水栅格数据，并获取对应同一时刻的多个台风中心的历史相似移动路径经纬度数据；

5、对所述卫星降水栅格数据和多个所述台风中心的历史相似移动路径经纬度数据，进行时空对齐得到初始输入张量；

6、通过平方根变换对所述初始输入张量中的卫星降水栅格数据进行非线性归一化，再结合所述初始输入张量中的台风中心的历史相似移动路径经纬度数据移动路径数据，得到目标输入张量；

7、将所述目标输入张量，输入训练好的时空多通道特征融合网络得到预测张量；

8、对所述预测张量中的预测降水数据进行平方根逆运算和校正，得到预报时刻的逐小时量级的降雨精细化预报结果。

9、在一实施方式中，所述对所述卫星降水栅格数据和多个所述台风中心的历史相似移动路径经纬度数据，进行时空对齐与归一化处理，得到初始输入张量，包括：

10、通过双线性差值算法，对所述卫星降水栅格数据和多个所述台风中心的历史相似移动路径经纬度数据进行地理分辨率统一；

11、根据统一后的卫星降水栅格数据构建时序降水特征库；

12、根据所述时序降水特征库和多个所述台风中心的历史相似移动路径经纬度数据，构建所述初始输入张量。

13、在一实施方式中，所述根据所述时序降水特征库和多个所述台风中心的历史相似移动路径经纬度数据，构建所述初始输入张量，包括：

14、将所述卫星降水栅格数据设置为基础通道；

15、基于所述台风中心的历史相似移动路径经纬度数据，构建对应于所述历史相似移动路径数据的多个拓扑特征场；

16、在同一空间坐标系下，将多个所述基础通道和多个所述拓扑特征场进行堆叠，构建k个特征通道的初始输入张量；其中，所述k为大于1的整数。

17、在一实施方式中，平方根变换公式为：

18、

19、其中，为平方根变换后的降水数据，r为输入张量中的降水数据。

20、在一实施方式中，所述时空多通道特征融合网络包括输入层、u-net架构和回归输出层，所述将所述目标输入张量，输入训练好的时空多通道特征融合网络得到预测张量，包括：

21、所述输入层接收所述平方根变换后的降水数据，并输入所述u-net架构；

22、所述u-net架构对所述平方根变换后的降水数据采样，还原降水场空间拓扑结构；

23、所述回归输出层通过所述降水场空间拓扑结构输出所述预测张量。

24、在一实施方式中，所述u-net架构包括编码器、跳跃连接和解码器，所述对所述平方根变换后的降水数据采样，还原降水场空间细节，包括：

25、所述编码器通过多层卷积和下采样提取所述目标输入张量的时空耦合特征，并保留高分辨率空间细节数据；

26、所述跳跃连接传输所述高分辨率空间细节数据；

27、所述解码器进行上采样，融合所述高分辨率空间细节数据，还原所述降水场空间拓扑结构。

28、在一实施方式中，对所述预测张量中的预测降水数据进行校正，包括：

29、确定所述预测张量中的最大预测降水数据，并通过自动增益校正函数对所述最大预测降水数据进行校正，所述自动增益校正函数为：

30、

31、其中，为真实降水观测数据空间矩阵，为经过平方根逆运算后的原始预测降水数据空间矩阵，表示提取对应空间矩阵内所有网格点极大值的算子，为预设的极小正实数，1为预设的最小自动增益校正系数，10为预设的最大自动增益校正系数。

32、第二方面，本发明实施例提供一种平方根变换与融合网络的台风暴雨预报系统，采用如下的技术方案：

33、获取模块，用于获取目标区域的当前时刻及连续多个前序时刻的卫星降水栅格数据，并获取对应同一时刻的多个台风中心的历史相似移动路径经纬度数据；

34、多源数据预处理模块，用于对所述卫星降水栅格数据和多个所述台风中心的历史相似移动路径经纬度数据，进行时空对齐得到初始输入张量；

35、平方根变换模块，用于通过平方根变换对所述初始输入张量中的卫星降水栅格数据进行非线性归一化，再结合所述初始输入张量中的台风中心的历史相似移动路径经纬度数据移动路径数据，得到目标输入张量；

36、多通道特征融合网络模块，用于将所述目标输入张量，输入训练好的时空多通道特征融合网络得到预测张量；

37、输出还原与自动校正模块，用于对所述预测张量中的预测降水数据进行平方根逆运算和校正，得到预报时刻的逐小时量级的降雨精细化预报结果。

38、第三方面，本发明实施例提供本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一项所述的平方根变换与融合网络的台风暴雨预报方法。

39、第四方面，本发明实施例提供一种计算机设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面任一项所述的平方根变换与融合网络的台风暴雨预报方法。

40、本发明实施例提供的上述技术方案的有益效果至少包括：

41、获取多个多源异构数据，并对多源异构数据进行时空对齐与归一化处理得到初始输入张量，通过对异构数据进行预处理，以便于模型捕捉数据之间的时空关联特征；再对输入张量中的降水数据进行平方根变换，以缩小轻雨与暴雨之间的量级差异，使得模型能够平等学习轻雨和暴雨之间的特征，避免过多关注某一量级特征导致的收敛问题，再对模型输出的预测张量进行平方根逆变换和校正，以进一步缩小轻雨和暴雨之间的量级，进一步有效提高降雨预测数据和空间分布数据的精准度。