摘要
本发明公开了一种基于深度学习的短时强降雨预警方法,包括:获取覆盖目标区域及其周边区域的天气雷达网的组合反射率因子数据,收集目标区域的降雨数据,对所述组合反射率因子数据和所述降雨数据进行预处理;根据所述降雨数据得到SDHR标签,对所述组合反射率因子数据进行提取选择和分类得到影响数据;对所述降雨数据进行影响分析得到风险系数,根据所述影响数据、所述风险系数和SDHR标签采用ConvLSTM算法构建短时强降雨预警模型;将观测数据输入所述短时强降雨预警模型,输出预警结果。该方法不仅可以提高短时强降雨预警的精度,同时具有较好的可解释性,可以直接应用于短时强降雨预警系统中。
技术关键词
反射率数据
预警模型
预警方法
标签
风险预测模型
自动气象站
神经网络算法
存储单元
存储计算机可执行指令
统计特征
雷达
矩阵
聚类
电子设备
因子
可读存储介质
隶属度函数
正则化参数
系统为您推荐了相关专利信息
动作预测模型
多模态特征
智能手表数据
训练特征
序列
辅助分类方法
逻辑回归分类器
病变特征
支持向量机分类器
支持向量机参数
数据预测模型
输出特征
非线性
网络
数据预测方法
诊断算法
编码器
DS证据理论
图像
构建分类模型
案例库
监测预警系统
特征识别算法
特征值
数据存储模块