买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于EOF‑Kmeans聚类和LDM的两阶段临近降水预报方法，通过使用EOF‑Kmeans聚类算法预处理后的雷达降水数据集进行聚类；训练Frame‑wiseVAE，将数据编码进低维的潜在空间；将降雨时空预测任务分解为时间模型和空间模型，通过时间模型预测低分辨率下未来降雨的时间，通过空间模型从低分辨率图像中重建高分辨率图像。本发明旨在提高临近降水预报的精度和实用性；将扩散过程在由自动编码器映射到物理像素空间的潜在变量空间中运行，能处理大规模数据时保持较好的计算效率，大幅减小计算资源浪费；同时引入两阶段降雨预测，解决了时间和空间建模之间的性能不均衡问题。

主权项：1.一种基于EOF-Kmeans聚类和LDM的两阶段临近降水预报方法，其特征在于，包括如下步骤：步骤1，采集雷达降水图像数据集，并进行预处理，得到预处理后的图像数据集；所述步骤1中，采用对数变换对采集的雷达降水数据集进行预处理，公式如下： 其中，R表示降水强度，fR表示对数变换得到的结果；步骤2，利用经验正交函数分析法对预处理后的图像数据集中的各雷达图像进行降维处理，并采用Kmeans聚类方法对降维后的雷达图像进行聚类，识别图像中的降水和非降水区域；所述步骤2中，采用Kmeans聚类方法对降维后的雷达图像进行聚类，识别图像中的降水和非降水区域，具体为：随机选择一个像素点作为第一个质心，计算剩余像素点与第一个质心之间的距离，使用加权概率分布选择第二个质心，计算剩余像素点与选出的所有质心中最近质心的距离，使用加权概率分布选择第三个质心，以此类推，直至选出k′个质心；将各像素点分配到与各像素点距离最近的质心，形成簇，计算簇的新质心，判断新质心与对应的簇的原质心是否相同，若相同则保持质心不同，若不同则用新质心替换原质心，重复计算新质心并判断与原质心是否相同的过程，直至达到预设的迭代次数，聚类完成；步骤3，利用预处理后的图像数据集训练逐帧变分自动编码器，用于将输入图像从像素空间编码到潜在空间，并解码回像素空间；步骤4，利用步骤2的聚类结果训练时间扩散模型，用于根据已知的雷达降水图像预测低分辨下未来降水情况，得到低分辨雷达降水图像；所述步骤4中，通过使用已知的第一至第四帧低分辨率雷达降水图像，训练时间扩散模型以预测第五至第二十帧的低分辨率雷达降水图像；在训练过程中，向待预测的第五至第二十帧低分辨雷达降水图像中加入噪声，将第一至第四帧雷达降水图像作为条件依赖与加入噪声后的第五至第二十帧低分辨雷达降水图像进行合并，输入到U-net中，在U-net的每个残差层中都嵌入时间步，通过U-net来预测图像中所加入的噪声，最终得到训练好的时间扩散模型；步骤5，基于步骤3训练好的逐帧变分自动编码器，利用步骤2的聚类结果训练潜在扩散模型与SR3架构的结合，即空间扩散模型，用于将低分辨雷达降水图像重建为高分辨雷达降水图像；所述步骤5中，利用训练好的Frame-wiseVAE中的编码器将高分辨雷达降水图像编码到潜在空间，得到潜在编码，在潜在编码中加入噪声，将低分辨雷达降水图像作为条件依赖与加入噪声的潜在编码进行合并，输入到U-net中，在U-net的每个残差层中都嵌入时间步，通过U-net来预测潜在编码中所加入的噪声，最终得到训练好的空间扩散模型；步骤6，利用训练好的时间扩散模型以及空间扩散模型进行临近降水预报。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于EOF-Kmeans聚类和LDM的两阶段临近降水预报方法