基于神经网络的卫星以及地面降水测量值同化方法

摘要

本发明提出一种基于神经网络方法的卫星及地面降水测量值同化方法，步骤包括1)获得相互独立的卫星测量数据和地面雨量计数据，进行数据格式网格化、预处理操作；2)对于长时间序列降雨数据，基于时间层面进行处理研究；3)对于短时间序列降雨研究，利用高程数据和降雨数据采用k‑means++处理无类标数据；4)将短时降雨数据和长时间序列降雨数据集分类，重采样成适于机器学习的数据集；5)采用改进型LSTM神经网络模型，通过利用纯卫星数据和站点数据做标签进行神经网络训练得到训练模型，之后再利用待测纯卫星数据带入训练模型得到同化结果。本发明优化降雨卫星数据的系统误差，对降雨量估计值的可靠性进行了进一步的提升，使时空特性具有更高的一致性。