基于深度学习的沙尘短临预报方法

本发明公开了一种基于深度学习的沙尘短临预报方法，包括根据地面站点的观测数据筛选出沙尘过程数据，并根据沙尘过程数据的时间和空间匹配已有的基于卫星反演的沙尘实况数据；对数据进行预处理，形成沙尘时空序列样本集；基于PredRNN网络构建时空序列的深度学习模型，并使用沙尘时空序列样本集训练获得沙尘浓度预测模型；在发生沙尘天气时，针对指定区域范围获取地面站点的观测数据和已有的沙尘实况数据并进行时间和空间的匹配，形成沙尘时空序列数据集，然后输入沙尘浓度预测模型中，输出指定区域未来设定时间段内的沙尘分布结果，进行沙尘短临预报。本发明充分利用了卫星数据和地面站点观测数据，可实现对沙尘过程全面、连续监测，并提升了沙尘短临预报的精度。