(19)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 202211322373.1 (22)申请日 2022.10.27 (71)申请人 国能大渡河大 数据服务有限公司 地址 610000 四川省成 都市高新区天韵路7 号 (72)发明人 陈媛　牟时宇　周子祺　朱阳　 (74)专利代理 机构 成都启慧金 舟知识产权代理 事务所 (特殊普通合伙) 51299 专利代理师 何媛 (51)Int.Cl. G06F 30/27(2020.01) G06F 16/2458(2019.01) G06F 16/29(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种基于BP神经网络的降水预报订正方法 及系统 (57)摘要 本申请实施例公开了一种基于BP神经网络 的降水预报订正方法及系统， 属于降水预报技术 领域， 包括： 获取目标区域的多个监测点的相关 信息； 基于相关信息， 对多个监测点进行聚类， 将 目标区域分为多个子区域； 获取目标区域在未来 目标时间段的初始预测降水数据； 对于每个子区 域， 基于子区域包含的监测点的相关信息， 对初 始预测降水数据进行修正， 获取子区域的降水预 报订正数据， 具有提高降水预测的准确度的优 点。 权利要求书2页 说明书9页 附图2页 CN 115438590 A 2022.12.06 CN 115438590 A 1.一种基于BP神经网络的降水 预报订正方法， 其特 征在于， 包括： 获取目标区域的多个监测点的相关信息； 基于所述相关信息， 对所述多个监测点进行聚类， 将所述目标区域分为多个子区域； 获取所述目标区域在未来目标时间段的初始预测降水 数据； 对于每个所述子区域， 基于所述子区域包含的监测点的相关信息， 对所述初始预测降水数据进行修正， 获取 所述子区域的降水 预报订正数据。 2.根据权利要求1所述的一种基于BP神经网络的降水预报订正方法， 其特征在于， 所述 相关信息至少包括所述监测 点的位置信息、 地形信息、 历史降水序列及历史动力热物理因 子矩阵， 其中， 所述历史降水序列包括所述监测点在多个历史时间点的降水量， 所述历史动 力热物理因子矩阵由多个历史动力热物理因子序列 组成， 其中， 一个所述历史动力热物理 因子序列包括所述 监测点的一种动力热物理 因子在所述多个历史时间点的值。 3.根据权利要求1所述的一种基于BP神经网络的降水预报订正方法， 其特征在于， 所述 基于所述相关信息， 对所述多个监测点进行聚类， 将所述目标区域分为多个子区域， 包括： 对于任意两个监测点， 基于所述两个监测点的相关信息， 确定所述两个监测点之间的 相似度； 基于所述相似度， 对所述多个监测点进行聚类， 将所述目标区域分为多个子区域。 4.根据权利要求2所述的一种基于BP神经网络的降水预报订正方法， 其特征在于， 所述 多个历史动力热物理因子序列至少包括广义位温历史序列、 广义位涡历史序列、 力管涡度 历史序列、 二阶位涡历史序列、 二阶湿位涡历史序列、 湿热力平流参数历史序列、 螺旋度历 史序列、 热力垂 直通量散度历史序列、 Q矢量历史序列、 位势变形历史序列、 对流涡度矢量历 史序列、 波作用密度历史序列、 广义湿位涡历史序列、 热力螺旋度历史序列、 Q矢量散度历史 序列、 位势切变形变历史序列、 位势伸展 形变历史序列、 热力散度垂 直通量历史序列及涡度 散度梯度历史序列。 5.根据权利要求1 ‑4任意一项所述的一种基于BP神经网络的降水预报订正方法， 其特 征在于， 所述基于所述子区域包含的监测点的相关信息， 对所述初始预测降水数据进行修 正， 获取所述子区域的降水 预报订正数据， 包括： 通过BP神经网络基于所述子区域包含的监测点的相关信 息及所述初始预测降水数据， 生成第一预报订 正数据； 通过卷积神经网络基于所述子区域包含的监测点的相关信息及所述初始预测降水数 据， 生成第二预报订 正数据； 基于所述第 一预报订正数据和所述第 二预报订正数据， 生成所述子区域的降水预报订 正数据。 6.一种基于BP神经网络的降水 预报订正系统， 其特 征在于， 包括： 信息获取模块， 用于获取目标区域的多个监测点的相关信息； 区域分割模块， 用于基于所述相关信 息， 对所述多个监测点进行聚类， 将所述目标区域 分为多个子区域； 数据获取模块， 用于获取 所述目标区域在未来目标时间段的初始预测降水 数据； 降水订正模块， 用于对于每个所述子区域， 基于所述子区域包含的监测点的相关信 息，权　利　要　求　书 1/2 页 2 CN 115438590 A 2对所述初始预测降水 数据进行修 正， 获取所述子区域的降水 预报订正数据。 7.根据权利要求6所述的一种基于BP神经网络的降水预报订正系统， 其特征在于， 所述 相关信息至少包括所述监测 点的位置信息、 地形信息、 历史降水序列及历史动力热物理因 子矩阵， 其中， 所述历史降水序列包括所述监测点在多个历史时间点的降水量， 所述历史动 力热物理因子矩阵由多个历史动力热物理因子序列 组成， 其中， 一个所述历史动力热物理 因子序列包括所述 监测点的一种动力热物理 因子在所述多个历史时间点的值。 8.根据权利要求6所述的一种基于BP神经网络的降水预报订正系统， 其特征在于， 所述 区域分割模块还用于： 对于任意两个监测点， 基于所述两个监测点的相关信息， 确定所述两个监测点之间的 相似度； 基于所述相似度， 对所述多个监测点进行聚类， 将所述目标区域分为多个子区域。 9.根据权利要求7所述的一种基于BP神经网络的降水预报订正系统， 其特征在于， 所述 多个历史动力热物理因子序列至少包括广义位温历史序列、 广义位涡历史序列、 力管涡度 历史序列、 二阶位涡历史序列、 二阶湿位涡历史序列、 湿热力平流参数历史序列、 螺旋度历 史序列、 热力垂 直通量散度历史序列、 Q矢量历史序列、 位势变形历史序列、 对流涡度矢量历 史序列、 波作用密度历史序列、 广义湿位涡历史序列、 热力螺旋度历史序列、 Q矢量散度历史 序列、 位势切变形变历史序列、 位势伸展 形变历史序列、 热力散度垂 直通量历史序列及涡度 散度梯度历史序列。 10.根据权利要求6 ‑9任意一项所述的一种基于BP神经网络的降水预报订正系统， 其特 征在于， 所述降水订 正模块还用于： 通过BP神经网络基于所述子区域包含的监测点的相关信 息及所述初始预测降水数据， 生成第一预报订 正数据； 通过卷积神经网络基于所述子区域包含的监测点的相关信息及所述初始预测降水数 据， 生成第二预报订 正数据； 基于所述第 一预报订正数据和所述第 二预报订正数据， 生成所述子区域的降水预报订 正数据。权　利　要　求　书 2/2 页 3 CN 115438590 A 3