(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111408526.X (22)申请日 2021.11.25 (71)申请人 山西勇利信息科技有限公司 地址 030000 山西省太原市小店区学府街 126号B座8层 （进驻太原和空间企业孵 化园管理有限公司217号） (72)发明人 不公告发明人 　 (51)Int.Cl. G06Q 10/04(2012.01) G06T 7/00(2017.01) G06T 7/11(2017.01) G06F 16/2458(2019.01) G06F 16/29(2019.01) G06Q 50/02(2012.01) (54)发明名称 一种基于时空双向多粒度动态集成的未来 降雨预测方法 (57)摘要 本发明涉及未来降雨预测技术领域， 尤其涉 及一种基于时空双向多粒度动态集成的未来降 雨预测方法， 针对当前现有的未来降雨预测方法 仍存在精确度不够高、 计算量大， 难以满足时效 性和准确性的问题， 现提出如下方案， 其中包括 以下步骤： S1： 预测准备,S2:数据分析， S3： 图像 分析,S4： 数据处理， S5： 进行预测， S6： 二次预测， 本发明的目的是通过对采集的所有数据按照像 素进行多粒度分割， 提高数据的准确度， 同时通 过二次预测， 将预测结果进行对比， 通过对预测 进行再确定最终提高预测的准确性。 权利要求书2页 说明书9页 附图1页 CN 114091765 A 2022.02.25 CN 114091765 A 1.一种基于时空双向多粒度动态集成的未来降雨预测方法， 其特征在于， 包括以下步 骤： S1： 预测准备： 采集目标区域在不同时刻的雷达回波图序列以及降雨 量实际值； S2： 数据分析： 对 采集的数据进行分析， 并按照时间长短生成时间数据集； S3： 图像分析： 对采集的图像进行进行多粒度分割， 并对目标区域内的每个子点进行数 据采集； S4： 数据处理： 把时间数据和空间数据进行重新组合生成函数， 并采用现有的技术对数 据进行处 理； S5： 进行预测 :从生成的函数中进行， 并将数据整合， 通过整合的数据进行分析和建模， 得出预测结果； S6： 二次预测： 再次获取 数据并进行二次预测， 将预测结果进行对比。 2.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S1中， 预先采集目标区域在不同采集时刻的雷达回波图序列以及降雨量实 际值， 并由采集到的所有 雷达回波图序列和降雨量实际值共同形成目标区域 实际降雨数据 集， 其中所述 目标区域实际降雨数据集中， 同一采集时刻的雷达回波图序列与降雨量实际 值为一一对应关系。 3.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S2中， 对采集的数据按照时间等级进 行多粒度分割， 按照时间长 短生成时间 数据集， 其中对时间数据进行多 粒度分割时单位可以按照时间成5 分钟、 10分钟、 30 分钟、 60 分钟、 120分钟、 240分钟和360分钟进行分割， 并按照(t ‑5)、 (t‑4)、 (t‑3)、 (t‑2)、 (t‑1)、 t、 (t+1)、 (t+2)、 (t+3)、 (t+4)、 (t+5)不同时间组合成全新的数据集。 4.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S2中， 在获取到雷达数据后， 按照其中一个时间单位把数据进行多粒度分 割， 分割成该时间单位的多组数据， 把当前时间t对应的光矢量数值进行处理生成一个函 数， 并将时间单位往 前推一单位,时间(t ‑1)所对应的光矢量数值再次生成一个函数直至时 间往前推到(t ‑5),通过参考相邻的时间单位和对应的光矢量数据预测相邻时间单位内的 光矢量值。 5.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S 3中， 对采集的图像数据按照像素进 行多粒度分割， 对目标区域内的每个子 点进行数据采集， 对云图位置中的空间位置可以按照从大到小的顺序， 并按照国、 省、 市、 区、 街道、 小区不同空间区域进 行分割， 生成不同的空间数据集时每个空间位置对应一个相 应的预测数值， 同时把数据按照空间位置进行多粒度切割， 把图像按照空间地理位置划分 成多级空间位置， 按照空间位置从大到小的顺序、 受地面雷达位置和监测面积的大小和空 间的多粒度进行分割， 其中按照省、 市、 区、 街道、 小 区的空间位置进行多粒度分割， 采取最 小的空间分割 单位， 选择其中一个空间位置和它 所对应的数据值生成一个函数， 在同一空 间等级下面有多个子集空间位置， 且每个空间位置坐标对应一个数值， 空间单位切换到另 一空间级别时该级别则由多个空间子集组成， 并将空间对应的数据组成改为空间级别的数 据集。 6.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其权　利　要　求　书 1/2 页 2 CN 114091765 A 2特征在于， 所述S4中， 采用SVG算法实现对数据集的重新组合， 其中数据整合是按照时间数 据和空间数据全新的组合方式生成新得数据集， 并按照时间分割后数据和空间分割后的数 据再次交叉组合生成全新的数据集， 并将不同时间单位对应的数据加上空间单位的数据 值， 采用组合数据集生成大量的原始数据集作为后期根据目的位置随机采样的原始数据 集。 7.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S 5中， 根据预测位置的时间和空间从所有生 成的函数中选择一部 分函数， 并 将数据进 行整合， 无法选择全部的目标数集则选择部 分函数集， 并进 行数据整合和分析， 其 中在预测目标地之前需要选择多组参考数据， 将选择 的数据集做为采样的数据， 根据数据 集的数据预测目的位置的数据情况， 然后根据采集的数据值对应的降雨情况预测未来降雨 的情况。 8.根据权利要求1所述的一种基于时空双向多粒度动态集成的未来降雨预测方法， 其 特征在于， 所述S6中， 重新获取采集目标区域在不同时刻的雷达回波图序列以及降雨量实 际值， 将数据传回后由专业人员进行数据和图像分析， 并将数据以及分析结果与第一次传 回数据和分析结果进行对比， 数据误差在合理范围内的直接进行二次预测， 预测结果与第 一次预测结果进行对比， 数据误差超过合理误差范围则由专业人员对误差数据进行分析， 通过分析对误差数据进行改正， 将改正后的数据作为最终数据进行二次预测， 并将预测结 果进行对比。权　利　要　求　书 2/2 页 3 CN 114091765 A 3