本發(fā)明涉及水文氣象領(lǐng)域，尤其涉及基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法。

背景技術(shù)：

1、近年來，隨著氣象觀測(cè)技術(shù)的迅猛發(fā)展，雙偏振天氣雷達(dá)(dpr)的應(yīng)用顯著提升了降水監(jiān)測(cè)的精度。dpr通過同時(shí)發(fā)射和接收水平與垂直偏振的雷達(dá)波，能夠提供雨滴形狀、大小及其分布的詳細(xì)信息。這使得雙偏振雷達(dá)在天氣預(yù)報(bào)、降水監(jiān)測(cè)及極端天氣事件預(yù)測(cè)中表現(xiàn)出巨大的潛力。然而，現(xiàn)有的應(yīng)用大多集中于降水類型的識(shí)別與降水強(qiáng)度估算，對(duì)降雨動(dòng)能(ke)的時(shí)空預(yù)測(cè)卻相對(duì)缺乏深入研究。降雨動(dòng)能是衡量降水對(duì)地表沖擊力的重要參數(shù)，直接影響土壤侵蝕、徑流形成等自然過程，具有重要的科學(xué)和應(yīng)用價(jià)值。

2、傳統(tǒng)的降雨動(dòng)能測(cè)量通常依賴地表雨滴譜儀，這些設(shè)備能夠提供局部的精確雨滴譜數(shù)據(jù)。然而，其空間覆蓋范圍有限，難以滿足大范圍內(nèi)實(shí)時(shí)動(dòng)能預(yù)測(cè)的需求。相比之下，雙偏振雷達(dá)具備更廣的空間覆蓋能力，可以實(shí)現(xiàn)大尺度、高分辨率的降水監(jiān)測(cè)。因此，如何利用雙偏振雷達(dá)的優(yōu)勢(shì)進(jìn)行降雨動(dòng)能的時(shí)空預(yù)測(cè)，成為當(dāng)前氣象監(jiān)測(cè)和災(zāi)害預(yù)警領(lǐng)域的重要研究課題。

3、本發(fā)明提出了一種創(chuàng)新性的降雨動(dòng)能預(yù)測(cè)方法，通過結(jié)合雙偏振雷達(dá)觀測(cè)參數(shù)(zh、zdr、kdp)與雨滴的微物理特征(如雨滴大小、數(shù)量)，利用雙向長短期記憶網(wǎng)絡(luò)(bilstm)與深度回歸網(wǎng)絡(luò)(drn)，建立起對(duì)降雨動(dòng)能的精準(zhǔn)時(shí)空預(yù)測(cè)模型。通過bilstm模型捕捉降雨事件前后時(shí)刻的時(shí)間依賴性，提升了預(yù)測(cè)的準(zhǔn)確性和物理合理性。此外，本發(fā)明還引入了氣象觀測(cè)站的溫度、氣壓、濕度等大氣場(chǎng)數(shù)據(jù)，進(jìn)一步增強(qiáng)了模型在復(fù)雜天氣系統(tǒng)中的泛化能力。這種多維數(shù)據(jù)融合的方式使得本方法不僅適用于常規(guī)天氣的降雨動(dòng)能預(yù)測(cè)，還能在極端天氣條件下表現(xiàn)出更強(qiáng)的魯棒性。

4、綜上所述，本發(fā)明通過融合雙偏振雷達(dá)技術(shù)、高分辨率氣象數(shù)據(jù)及深度學(xué)習(xí)模型，構(gòu)建了一個(gè)高效、準(zhǔn)確的降雨動(dòng)能時(shí)空預(yù)測(cè)系統(tǒng)，顯著提升了降水監(jiān)測(cè)和預(yù)測(cè)的精度，在水土保持、農(nóng)業(yè)防護(hù)及極端天氣預(yù)警等領(lǐng)域，本方法為實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)和災(zāi)害預(yù)防提供了新的技術(shù)手段。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提出了一種基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法，通過深度學(xué)習(xí)模型結(jié)合物理約束和實(shí)時(shí)氣象數(shù)據(jù)的綜合應(yīng)用，實(shí)現(xiàn)了對(duì)降雨動(dòng)能的精準(zhǔn)預(yù)測(cè)。相比傳統(tǒng)方法，本發(fā)明具有空間覆蓋廣、時(shí)間分辨率高、預(yù)測(cè)精度強(qiáng)、應(yīng)用場(chǎng)景廣等優(yōu)勢(shì)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：一種基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法，該方法包括以下步驟：

3、步驟s1：收集并處理地表分鐘分辨率的雨滴譜儀數(shù)據(jù)，計(jì)算雨滴直徑分布和數(shù)量，并結(jié)合雨量計(jì)數(shù)據(jù)進(jìn)行比對(duì)與校準(zhǔn)，確保數(shù)據(jù)在降雨動(dòng)能預(yù)測(cè)中的精度和一致性；

4、步驟s2：基于每分鐘的雨滴譜數(shù)據(jù)，結(jié)合雨滴直徑和數(shù)量，運(yùn)用物理公式計(jì)算雙偏振天氣雷達(dá)觀測(cè)參數(shù)的關(guān)鍵參數(shù)zh、zdr和kdp，并結(jié)合微物理特征計(jì)算降雨動(dòng)能ke，同時(shí)對(duì)降雨類型進(jìn)行標(biāo)記；

5、步驟s3：通過氣象站和天氣預(yù)報(bào)數(shù)據(jù)提取每分鐘的大氣場(chǎng)變量，包括溫度、氣壓、相對(duì)濕度、水汽壓及風(fēng)速；

6、步驟s4：對(duì)雙偏振天氣雷達(dá)觀測(cè)參數(shù)的zh、zdr、kdp及大氣場(chǎng)變量進(jìn)行物理單位歸一化和范圍調(diào)整，確保模型輸入符合降雨動(dòng)能物理規(guī)律，優(yōu)化學(xué)習(xí)效率；

7、步驟s5：構(gòu)建雙向時(shí)間序列動(dòng)能預(yù)測(cè)網(wǎng)絡(luò)(btke-net)，通過bilstm捕捉降雨事件的時(shí)間依賴性，利用深度回歸網(wǎng)絡(luò)(drn)建模ke與雙偏振雷達(dá)參數(shù)的復(fù)雜非線性關(guān)系，確保預(yù)測(cè)具備物理意義和高精度；

8、步驟s6：合理劃分訓(xùn)練集、驗(yàn)證集和測(cè)試集，結(jié)合降雨動(dòng)能預(yù)測(cè)特性，利用物理約束的均方誤差(mse)損失函數(shù)訓(xùn)練btke-net，并通過分類正則化處理不同類型的降雨，確保模型在多種降雨類型下的魯棒性和泛化能力；

9、步驟s7：對(duì)zh、zdr和kdp進(jìn)行衰減校正和偏置校正，結(jié)合大氣場(chǎng)實(shí)時(shí)觀測(cè)和預(yù)報(bào)數(shù)據(jù)，將校正后數(shù)據(jù)輸入已訓(xùn)練的btke-net模型，實(shí)現(xiàn)實(shí)時(shí)降雨動(dòng)能的時(shí)空預(yù)測(cè)。

10、進(jìn)一步地，所述步驟s1包括以下步驟：

11、步驟s11：對(duì)收集的雨滴譜儀數(shù)據(jù)進(jìn)行有效性檢查，通過計(jì)算每分鐘的有效雨滴記錄，驗(yàn)證數(shù)據(jù)的連續(xù)性；對(duì)數(shù)據(jù)缺失或記錄不足的時(shí)間段進(jìn)行自動(dòng)標(biāo)記，并記錄異常時(shí)間點(diǎn)，以確保后續(xù)分析的準(zhǔn)確性；

12、步驟s12：基于物理閾值規(guī)則，刪除雨滴直徑過小(<0.1mm)或過大(>8mm)的數(shù)據(jù)，排除可能由設(shè)備噪聲或外部干擾引起的數(shù)據(jù)失真；同時(shí)對(duì)降雨強(qiáng)度進(jìn)行檢測(cè)，過濾降雨量小于0.1毫米/小時(shí)的弱降雨記錄，避免噪聲影響；

13、步驟s13：將雨滴譜儀的累計(jì)降雨量與雨量計(jì)的觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比，采用線性回歸分析驗(yàn)證兩者趨勢(shì)一致性，公式如下：

14、rrain_gauge＝m×rrain_drop+b

15、其中rrain_gauge為雨量計(jì)觀測(cè)值，rrain_drop為雨滴譜儀觀測(cè)值，m和b為回歸系數(shù)；對(duì)存在明顯偏差的記錄進(jìn)行校正，確保觀測(cè)數(shù)據(jù)符合實(shí)際降雨情況；

16、步驟s14：通過時(shí)間序列平滑算法去除數(shù)據(jù)中的高頻噪聲，確保數(shù)據(jù)的一致性和平穩(wěn)性；對(duì)數(shù)據(jù)缺失部分，采用前后時(shí)間步數(shù)據(jù)進(jìn)行插值補(bǔ)全，保證數(shù)據(jù)完整性；

17、步驟s15：為避免激光雨滴譜儀重復(fù)測(cè)量的影響，對(duì)相鄰時(shí)間點(diǎn)的雨滴數(shù)量和直徑進(jìn)行比較，若差異小于5％，則判定為重復(fù)記錄，并刪除重復(fù)數(shù)據(jù)，保留最早的觀測(cè)記錄；

18、步驟s16：根據(jù)雨滴譜儀的分鐘級(jí)數(shù)據(jù)，將降雨事件分段并標(biāo)記為獨(dú)立事件；以10分鐘為時(shí)間閾值，篩選有效的降雨事件，排除持續(xù)時(shí)間較短的邊緣事件，確保分析的精準(zhǔn)性。

19、進(jìn)一步地，所述步驟s2包括以下步驟：

20、步驟s21：基于每分鐘的雨滴譜儀觀測(cè)數(shù)據(jù)，將觀測(cè)的雨滴數(shù)量轉(zhuǎn)換為標(biāo)準(zhǔn)化的雨滴直徑分布n(d)，表示單位體積內(nèi)每個(gè)直徑范圍內(nèi)的雨滴數(shù)量，計(jì)算公式為：

21、

22、其中，d表示雨滴的直徑，v表示雨滴的速度，n(d,v)表示在直徑d和速度v范圍內(nèi)的雨滴數(shù)量，a為采樣面積，δt為時(shí)間間隔，δd為直徑范圍的增量，nv是速度檔數(shù)；

23、步驟s22：根據(jù)單位體積內(nèi)每個(gè)直徑范圍內(nèi)的雨滴數(shù)量n(d)，使用t-matrix散射方法計(jì)算雙偏振天氣雷達(dá)的關(guān)鍵觀測(cè)參數(shù)；雷達(dá)水平偏振反射率zh的計(jì)算公式為：

24、

25、其中，fhh(d)表示對(duì)應(yīng)直徑d下的水平偏振后向散射振幅，λ是雷達(dá)的波長，kw是水的介電常數(shù)；雷達(dá)垂直偏振反射率zv的計(jì)算公式為：

26、

27、其中，fvv(d)是垂直偏振的后向散射振幅；雷達(dá)差分反射率zdr的計(jì)算公式為：

28、

29、雷達(dá)比差相位kdp的計(jì)算公式為：

30、

31、步驟s23：根據(jù)雨滴質(zhì)量和終端速度，計(jì)算每單位降雨深度的降雨動(dòng)能ke，其計(jì)算公式為：

32、

33、其中，vt表示降雨深度，a表示雨滴譜儀的采樣面積，pt是在特定時(shí)間段內(nèi)的降雨時(shí)間，ke(d)為雨滴的動(dòng)能，計(jì)算公式為：

34、

35、其中，ρ是水的密度(約為1g/cm3)，v(d)為雨滴的終端速度，基于經(jīng)驗(yàn)公式：

36、

37、其中，ρ0是海平面的空氣密度，ρa(bǔ)是觀測(cè)站點(diǎn)的空氣密度；

38、步驟s24：基于降雨強(qiáng)度的標(biāo)準(zhǔn)差，對(duì)降雨事件進(jìn)行分類和標(biāo)記；若降雨率r>10mm/h且標(biāo)準(zhǔn)差std>1.5mm/h的10分鐘時(shí)間段內(nèi)滿足對(duì)流性降雨條件，則標(biāo)記該時(shí)間段為1，此類降雨伴隨較大的雨滴直徑和較高的降雨動(dòng)能，否則標(biāo)記為0。

39、進(jìn)一步地，所述步驟s3包括以下步驟：

40、步驟s31：從氣象觀測(cè)站或天氣預(yù)報(bào)系統(tǒng)中提取溫度、氣壓、相對(duì)濕度、水汽壓和風(fēng)速等氣象數(shù)據(jù)，確保數(shù)據(jù)時(shí)間分辨率為每分鐘并與雨滴譜儀數(shù)據(jù)同步；

41、步驟s32：提取溫度數(shù)據(jù)，單位為攝氏度，對(duì)異常值進(jìn)行檢測(cè)和剔除，確保數(shù)據(jù)平穩(wěn)；步驟s33：提取氣壓數(shù)據(jù)，單位為百帕，檢測(cè)其變化趨勢(shì)并剔除異常波動(dòng)數(shù)據(jù)；

42、步驟s34：提取相對(duì)濕度數(shù)據(jù)，確保其在0-100％范圍內(nèi)，若存在超出范圍的值，進(jìn)行清洗處理；

43、步驟s35：根據(jù)溫度和相對(duì)濕度計(jì)算水汽壓，使用克勞修斯-克拉佩龍方程計(jì)算飽和水汽壓，并檢驗(yàn)水汽壓與溫度、濕度的合理性；

44、步驟s36：提取風(fēng)速數(shù)據(jù)，單位為ms-1，過濾異常風(fēng)速并進(jìn)行平滑處理以消除噪聲；

45、步驟s37：將提取的氣象數(shù)據(jù)與雨滴譜儀數(shù)據(jù)整合并匹配時(shí)間步，確保所有大氣場(chǎng)變量在統(tǒng)一格式下輸出，用于后續(xù)動(dòng)能預(yù)測(cè)模型的輸入。

46、進(jìn)一步地，所述步驟s4包括以下步驟：

47、步驟s41：對(duì)雙偏振天氣雷達(dá)的水平偏振反射率zh進(jìn)行歸一化處理，由于zh的量綱是mm6m-3，為了使其在模型訓(xùn)練中易于處理，使用對(duì)數(shù)歸一化，公式如下：

48、zhnorm＝log10(zh)

49、該轉(zhuǎn)換確保zh數(shù)值處于較小的范圍內(nèi)，優(yōu)化模型收斂效果；

50、步驟s42：zdr單位為db，值通常處于小范圍內(nèi)(-1到5db)，因此采用線性歸一化，公式為：

51、

52、其中，zdrmin和zdrmax分別為zdr的最小值和最大值，通過這種歸一化將值映射到[0,1]區(qū)間；

53、步驟s43：對(duì)比差相位kdp進(jìn)行范圍調(diào)整，kdp單位為°km-1，直接輸入可能導(dǎo)致模型訓(xùn)練不穩(wěn)定，使用min-max歸一化，公式為：

54、

55、將kdp的值壓縮到0到1的范圍，提升模型的學(xué)習(xí)效率；

56、步驟s44：對(duì)氣象場(chǎng)變量(溫度、氣壓、相對(duì)濕度、水汽壓、風(fēng)速)進(jìn)行標(biāo)準(zhǔn)化處理，首先對(duì)各氣象變量計(jì)算均值μ和標(biāo)準(zhǔn)差σ，然后進(jìn)行z-score標(biāo)準(zhǔn)化，公式為：

57、

58、其中，x表示每個(gè)氣象場(chǎng)變量，通過該處理確保所有輸入數(shù)據(jù)在相同的量綱下，提高模型的訓(xùn)練效果；

59、步驟s45：檢查所有歸一化后的數(shù)據(jù)是否有缺失值或異常值；如果某個(gè)變量的歸一化值超出預(yù)期范圍，則需要重新評(píng)估輸入數(shù)據(jù)的合理性并進(jìn)行必要的數(shù)據(jù)清洗；

60、步驟s46：將所有歸一化和標(biāo)準(zhǔn)化處理后的數(shù)據(jù)保存為結(jié)構(gòu)化文件csv格式，以確保模型在后續(xù)階段能夠高效讀取和處理這些數(shù)據(jù)。

61、進(jìn)一步地，所述步驟s5包括以下步驟：

62、步驟s51：定義雙向時(shí)間序列動(dòng)能預(yù)測(cè)網(wǎng)絡(luò)(btke-net)的網(wǎng)絡(luò)架構(gòu)：btke-net由雙向長短期記憶網(wǎng)絡(luò)(bilstm)和深度回歸網(wǎng)絡(luò)(drn)耦合組成；輸入層接收多個(gè)時(shí)刻的雙偏振雷達(dá)觀測(cè)參數(shù)(zh、zdr、kdp)和氣象變量(溫度、氣壓、相對(duì)濕度、水汽壓、風(fēng)速)，假設(shè)每個(gè)時(shí)間步的數(shù)據(jù)為xt，其維度為d；bilstm層用于捕捉降雨事件前后時(shí)刻的時(shí)間依賴性，前向lstm從t1到tn捕捉前向依賴關(guān)系，反向lstm則從tn到t1捕捉后向依賴關(guān)系；前向lstm的輸出為反向lstm的輸出為最終bilstm的輸出為：

63、

64、步驟s52：每分鐘的雙偏振雷達(dá)參數(shù)與氣象變量作為模型輸入，輸入矩陣x的維度為t×d，其中t為時(shí)間步長，d為特征維度；輸入向量xt包含雷達(dá)參數(shù)(zh、zdr、kdp)、氣象變量以及對(duì)流雨標(biāo)識(shí)(iscon)，其形式為：

65、xt＝[zht,zdrt,kdpt,tt,pt,rht,et,vt,iscont]

66、步驟s53：bilstm模型通過正反向信息流捕捉降雨事件的時(shí)間依賴性，狀態(tài)更新公式為：

67、

68、最終隱藏狀態(tài)ht是前向和后向lstm的連接結(jié)果。

69、步驟s54：bilstm提取的特征經(jīng)由深度回歸網(wǎng)絡(luò)(drn)處理，drn由全連接層組成，將時(shí)間序列的復(fù)雜特征映射為降雨動(dòng)能的預(yù)測(cè)值；bilstm的輸出為h，drn的輸出為：

70、ke＝w2relu(w1h+b1)+b2?(11)

71、其中，w1和w2為權(quán)重矩陣，b1和b2為偏置項(xiàng)，relu為激活函數(shù)，最后一層使用線性激活函數(shù)以預(yù)測(cè)降雨動(dòng)能；

72、步驟s55：損失函數(shù)采用均方誤差(mse)計(jì)算預(yù)測(cè)值與真實(shí)值的誤差：

73、

74、其中，kepred，i為模型的預(yù)測(cè)值，keture,i為真實(shí)觀測(cè)的降雨動(dòng)能值；優(yōu)化器使用adam，并引入學(xué)習(xí)率衰減策略，確保模型穩(wěn)定收斂。

75、進(jìn)一步地，所述步驟s6包括以下步驟：

76、步驟s61：將輸入數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；訓(xùn)練集用于模型參數(shù)更新，驗(yàn)證集用于監(jiān)控模型的表現(xiàn)，測(cè)試集用于最終評(píng)估；為避免數(shù)據(jù)偏差，采用交叉驗(yàn)證法，確保模型在不同降雨事件類型(對(duì)流雨和層云雨)下均衡表現(xiàn)；

77、步驟s62：在訓(xùn)練過程中，使用均方誤差(mse)作為損失函數(shù)指導(dǎo)模型優(yōu)化；為確保物理合理性，引入物理約束，將實(shí)際降雨動(dòng)能與雷達(dá)參數(shù)及氣象變量的非線性關(guān)系融入損失函數(shù)，以提升預(yù)測(cè)結(jié)果的精度；

78、步驟s63：為提升模型的魯棒性，針對(duì)不同降雨事件類型(如對(duì)流雨與層云雨)，引入分類正則化項(xiàng)，正則化項(xiàng)的形式如下：

79、ltotal＝l+λr(θ)

80、其中λ為正則化系數(shù)，r(θ)為分類正則化項(xiàng)，確保btke-net具備對(duì)各種降雨類型的泛化能力；

81、步驟s64：采用adam優(yōu)化器進(jìn)行訓(xùn)練，設(shè)置初始學(xué)習(xí)率為0.001，并逐步進(jìn)行學(xué)習(xí)率衰減；在訓(xùn)練過程中監(jiān)控驗(yàn)證集表現(xiàn)，當(dāng)損失函數(shù)不再下降時(shí)，使用提前停止策略避免過擬合；訓(xùn)練完成后，在測(cè)試集上評(píng)估模型表現(xiàn)，確保其在多種降雨類型下的泛化能力；

82、步驟s65：使用測(cè)試集對(duì)模型進(jìn)行評(píng)估，評(píng)估指標(biāo)包括決定系數(shù)、均方根誤差和平均絕對(duì)誤差；同時(shí)，驗(yàn)證模型在不同降雨類型下的表現(xiàn)，確保btke-net具備廣泛的泛化能力和物理合理性。

83、進(jìn)一步地，所述步驟s7包括以下步驟：

84、步驟s71：由于雷達(dá)信號(hào)在降雨傳播過程中會(huì)被雨滴吸收和散射，導(dǎo)致雷達(dá)反射率zh和差分反射率zdr出現(xiàn)衰減現(xiàn)象；衰減校正的主要目的是恢復(fù)信號(hào)強(qiáng)度，采用路徑衰減模型進(jìn)行校正，公式為：

85、zhcorrected＝zhmeasured+a

86、其中，a為根據(jù)雨滴譜數(shù)據(jù)估算的衰減系數(shù)，zhmeasured是觀測(cè)的雷達(dá)垂直反射率，zhcorrected是校正的雷達(dá)垂直反射率；衰減校正是校正過程中最基本且必不可少的一步，適用于強(qiáng)降雨和雷達(dá)信號(hào)傳輸路徑較長的情況；

87、步驟s72：系統(tǒng)偏置會(huì)導(dǎo)致zh和zdr的基線偏移，通常由于雷達(dá)設(shè)備的精度誤差引起；在實(shí)驗(yàn)室環(huán)境或已知場(chǎng)景下，通過測(cè)定偏置值進(jìn)行線性偏置修正，校正公式為：

88、zhfinal＝zhcorrected-zhbias

89、zdrfinal＝zdrcorrected-zdrbias

90、其中，zhbias是雷達(dá)垂直反射率偏差，zhfinal是最終校正得到的雷達(dá)垂直反射率，zdrfinal最終校正得到的雷達(dá)差分反射率，通過此步驟可有效消除系統(tǒng)引入的固定偏差；

91、步驟s73：將校正后的zh、zdr和kdp數(shù)據(jù)，與氣象場(chǎng)的實(shí)時(shí)觀測(cè)數(shù)據(jù)，包括溫度(t)、氣壓(p)、相對(duì)濕度(rh)、水汽壓(e)、風(fēng)速(v)以及和是否為對(duì)流雨(iscon)進(jìn)行融合，形成完整的多維輸入數(shù)據(jù)集；將這些數(shù)據(jù)輸入訓(xùn)練好的btke-net模型，通過深度建模能力進(jìn)行降雨動(dòng)能的時(shí)空預(yù)測(cè)；模型輸出為每分鐘的降雨動(dòng)能分布，預(yù)測(cè)公式為：

92、ke＝f(zhfinal,zdrfinal,kdpfinal,t,p,rh,e,v,iscon)

93、該公式通過btke-net的非線性建模實(shí)現(xiàn)精確的降雨動(dòng)能預(yù)測(cè)；

94、步驟s74：將降雨動(dòng)能預(yù)測(cè)結(jié)果以結(jié)構(gòu)化數(shù)據(jù)輸出，并生成時(shí)空分布圖；通過可視化工具呈現(xiàn)降雨動(dòng)能的時(shí)空變化圖，提供降雨動(dòng)能的動(dòng)態(tài)分析。

95、一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)所述的基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法。

96、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)指令，該計(jì)算機(jī)指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法。

97、由上述技術(shù)方案可知，本發(fā)明提供的一種基于雙偏振天氣雷達(dá)觀測(cè)參數(shù)的降雨動(dòng)能時(shí)空預(yù)測(cè)方法的技術(shù)效果在于：

98、1.通過融合雙偏振雷達(dá)觀測(cè)參數(shù)(zh、zdr、kdp)和氣象場(chǎng)變量(溫度、氣壓、相對(duì)濕度等)，并使用bilstm模型捕捉降雨事件前后時(shí)刻的時(shí)間依賴性，本方法能夠精準(zhǔn)建模降雨動(dòng)能的時(shí)空變化特征，實(shí)現(xiàn)對(duì)不同降雨事件的高精度預(yù)測(cè)。

99、2.通過在訓(xùn)練過程中引入針對(duì)不同降雨類型的分類正則化，btke-net模型能夠有效處理對(duì)流降雨和層云降雨等多種降雨場(chǎng)景，確保模型在不同降雨條件下具備魯棒性和廣泛的適用性，從而提升預(yù)測(cè)結(jié)果的泛化能力。

100、3.本發(fā)明通過雷達(dá)信號(hào)的衰減校正與系統(tǒng)偏置校正，結(jié)合物理約束的損失函數(shù)，確保輸入數(shù)據(jù)和預(yù)測(cè)結(jié)果的物理合理性。配合實(shí)時(shí)的氣象數(shù)據(jù)和btke-net模型的深度學(xué)習(xí)能力，能夠提供快速、準(zhǔn)確的降雨動(dòng)能時(shí)空預(yù)測(cè)結(jié)果，適用于實(shí)際防災(zāi)減災(zāi)的應(yīng)用場(chǎng)景。

101、4.本發(fā)明創(chuàng)新性在于充分發(fā)揮了雙偏振天氣雷達(dá)在水環(huán)境領(lǐng)域中的應(yīng)用潛力，通過動(dòng)態(tài)結(jié)合高分辨率雷達(dá)數(shù)據(jù)與氣象數(shù)據(jù)，提供了可用于大范圍、高精度的降雨動(dòng)能時(shí)空預(yù)測(cè)方法。這一突破在水土保持、防災(zāi)減災(zāi)以及精細(xì)化氣象災(zāi)害預(yù)測(cè)中具有重要的實(shí)際應(yīng)用價(jià)值，填補(bǔ)了傳統(tǒng)降雨動(dòng)能預(yù)測(cè)技術(shù)在廣域應(yīng)用和實(shí)時(shí)性上的空白。