[发明专利]逐日气象干旱预测方法、装置、存储介质和设备

说明书

本申请公开了一种逐日气象干旱预测方法、装置、存储介质和设备，该方法为：从气象站点的逐日气象要素数据库中，获取发生在待测日期之前、且时间连续的预设数量个日期的特征要素，特征要素包括预设气象要素的观测值；将发生在待测日期之前、且时间连续的各个日期的预设气象要素的观测值，输入至气象干旱预测模型中，得到气象干旱预测模型输出的当前干旱预测结果，其中，当前干旱预测结果用于指示待测日期的气象干旱等级。该方法利用气象站点的逐日气象观测数据，对LSTM模型进行训练，得到高精度的气象干旱预测模型，该气象干旱预测模型能够以发生在待测时期之前的各个日期的预设气象要素的观测值作为依据，准确预测待测日期的气象干旱等级。

技术领域

本申请涉及自然灾害预测领域，尤其涉及一种逐日气象干旱预测方法、装置、存储介质和设备。

背景技术

气象干旱指：某段时间内，由于蒸散量和降水量的收支不平衡，水分支出大于水分收入而造成的地表水分短缺的现象。气象干旱作为一种典型的气象灾害，利用人工智能方法进行气象干旱预测也是国家级气象灾害风险系统要重点探索方向之一。

现有的气象干旱预测技术，主要通过构建线性回归模型预测气象干旱。然而，受限于线性回归模型自身因素影响，线性回归模型难以准确预测气象干旱的干旱程度，对气象干旱的预测精度较低。

发明内容

本申请提供了一种逐日气象干旱预测方法、装置、存储介质和设备，目的在于准确预测气象干旱的干旱程度。

为了实现上述目的，本申请提供了以下技术方案：

一种逐日气象干旱预测方法，包括：

从气象站点的逐日气象要素数据库中，获取发生在待测日期之前、且时间连续的预设数量个日期的特征要素；所述特征要素为预设气象要素的观测值；

将发生在所述待测日期之前、且时间连续的各个日期的预设气象要素的观测值，输入至气象干旱预测模型中，得到所述气象干旱预测模型输出的当前干旱预测结果；其中，所述气象干旱预测模型基于发生在预设历史时间段内、且时间连续的多个日期的预设气象要素的观测值作为LSTM模型的输入，并以针对所述预设历史时间段内各个日期，预先标注的气象干旱等级作为训练目标，预先训练得到；所述当前干旱预测结果用于指示所述待测日期的气象干旱等级。

可选的，所述基于发生在预设历史时间段内、且时间连续的多个日期的预设气象要素的观测值作为LSTM模型的输入，并以针对所述预设历史时间段内各个日期，预先标注的气象干旱等级作为训练目标，预先训练得到所述气象干旱预测模型的过程，包括：

预先定义LSTM模型的超参数、优化算法、损失函数；所述超参数包括时间窗口大小、输出维度、神经元个数、输入层的激活函数、隐藏层的激活函数、输出层的激活函数、丢弃率、隐藏层层数、训练代数、训练批大小；所述优化算法为Adam模型优化算法；所述损失函数为交叉熵损失函数；

基于所述时间窗口大小、所述输出维度、所述神经元个数、所述输入层的激活函数、所述隐藏层的激活函数、所述输出层的激活函数、所述丢弃率、所述隐藏层层数、所述训练代数、所述训练批大小，编译生成所述LSTM模型；

基于发生在预设历史时间段内、且时间连续的多个日期的预设气象要素的观测值，作为所述LSTM模型的输入，并以针对所述预设历史时间段内各个日期，预先标注的气象干旱等级作为训练目标，使用所述Adm模型优化算法和所述交叉熵损失函数，对所述LSTM模型进行训练，得到所述气象干旱预测模型。

可选的，所述基于发生在预设历史时间段内、且时间连续的多个日期的预设气象要素的观测值，作为所述LSTM模型的输入，包括：

获取气象站点在预设历史时间段内采集的逐日气象观测数据；所述逐日气象观测数据包括发生在所述预设历史时间段内、且时间连续的多个日期的各类气象要素的观测值；所述各类气象要素包括降水、平均气温、日照时数、2m平均风速、平均相对湿度、蒸发、气象干旱综合指数；