一种基于改进的TrajGRU网络的气象雷达回波外推方法

    公开(公告)号:CN112180375A

    公开(公告)日:2021-01-05

    申请号:CN202010961607.1

    申请日:2020-09-14

    Abstract: 本发明公开了一种基于改进的TrajGRU网络的气象雷达回波外推方法,S1、读取多层雷达图像序列数据bin文件,将读取图像转化为灰度图序列;S2、将处理后的所述灰度图序列输入到根据像素预测准确程度计算损失函数中权重的TrajGRU深度学习网络中,训练得到预测模型;S3、将用于预测的实况雷达图序列输入预测模型中,得到外推雷达图序列结果。本发明对雷达图像序列数据做预处理,读取为灰度图序列后,输入到能接受多层雷达图像序列和根据像素预报准确度而得到损失函数中不同的权重的TrajGRU网络模型中,并获得预测模型。改进后的TrajGRU网络模型能更准确的捕获雷达图片的时空相关性;外推结果能够更好保持图像细节,雷达回波分布更接近真实雷达扫描图像。

    一种基于改进的TrajGRU网络的气象雷达回波外推方法

    公开(公告)号:CN112180375B

    公开(公告)日:2022-12-20

    申请号:CN202010961607.1

    申请日:2020-09-14

    Abstract: 本发明公开了一种基于改进的TrajGRU网络的气象雷达回波外推方法,S1、读取多层雷达图像序列数据bin文件,将读取图像转化为灰度图序列;S2、将处理后的所述灰度图序列输入到根据像素预测准确程度计算损失函数中权重的TrajGRU深度学习网络中,训练得到预测模型;S3、将用于预测的实况雷达图序列输入预测模型中,得到外推雷达图序列结果。本发明对雷达图像序列数据做预处理,读取为灰度图序列后,输入到能接受多层雷达图像序列和根据像素预报准确度而得到损失函数中不同的权重的TrajGRU网络模型中,并获得预测模型。改进后的TrajGRU网络模型能更准确的捕获雷达图片的时空相关性;外推结果能够更好保持图像细节,雷达回波分布更接近真实雷达扫描图像。

Patent Agency Ranking