一種基于氣象信息的短時強降水監測預警系統的制作方法

本發明涉及降水預警，具體而言，涉及一種基于氣象信息的短時強降水監測預警系統。

背景技術：

1、短時強降水是指在較短的時間范圍內，降水量迅速達到或超過一定強度的降雨現象。這種降雨事件通常發生在較小的地理區域內，且持續時間較短，但降水強度大，往往給城市排水、交通甚至人民的生命財產安全帶來嚴重影響，因此，短時強降水的監測與預警是一個復雜而重要的任務。

2、傳統的氣象監測和預警系統融合了多種現代氣象觀測技術，如地面自動氣象站、雷達、衛星遙感等，并結合地理信息系統、大數據分析、人工智能算法等先進技術。但是傳統的氣象監測和預警系統往往難以準確捕捉和預測短時強降水的發生，這主要是由于其時空變化迅速且局部性強的特點。因此，開發一種能夠高效響應并精確預測短時強降水的監測預警系統顯得尤為迫切。

技術實現思路

1、鑒于此，本發明提出了一種基于氣象信息的短時強降水監測預警系統，旨在解決當前技術中無法對短時強降水進行精準預警，無法提高短時強降水的預警精度和響應速度的問題。

2、本發明提出了一種基于氣象信息的短時強降水監測預警系統，包括：

3、第一構建模塊，用于確定待監測預警區域，在所述待監測預警區域設置多個信息監測點，采集每個信息監測點的實時降水信息，并根據所有的實時降水信息構建降水影響數據鏈；

4、信息拆分模塊，用于基于信息重要性模型輸出所述降水影響數據鏈上每一個實時降水信息的重要性值，并基于重要性值對所述降水影響數據鏈進行拆分，得到降水重要影響數據鏈和降水關聯影響數據鏈；

5、第一計算模塊，用于對每個降水重要影響數據鏈上的同類型實時降水信息進行提取，構建同類型降水信息數列，并對所述同類型降水信息數列進行對比分析，基于對比分析結果計算子短時強降水因子，其中，同類型實時降水信息是指每個信息監測點對應的同一個實時降水信息；

6、第二構建模塊，用于對所述降水重要影響數據鏈上剩余的同類型實時降水信息進行分析以及計算，確定對應的子短時強降水因子，根據所有的子短時強降水因子構建子短時強降水因子集合，其中，剩余的同類型實時降水信息是指未被分析以及計算的同類型實時降水信息；

7、第二計算模塊，用于對所述子短時強降水因子集合進行排序，并基于排序結果確定目標子短時強降水因子集合，根據所述目標子短時強降水因子集合計算待監測預警區域的短時強降水因子；

8、所述第二計算模塊用于確定所述子短時強降水因子集合的中位數和方差；

9、所述第二計算模塊用于將所述子短時強降水因子集合中大于所述中位數的子短時強降水因子進行提取，構建第一數值集合；

10、所述第二計算模塊用于將所述子短時強降水因子集合中大于所述方差的子短時強降水因子進行提取，構建第二數值集合；

11、所述第二計算模塊用于判斷所述第一數值集合和所述第二數值集合之間是否存在交集；

12、若是，則根據交集數值構建所述目標子短時強降水因子集合；

13、若否，則將所述第一數值集合和所述第二數值集合進行不重復融合，構建所述目標子短時強降水因子集合，其中，所述不重復融合為保留所述第一數值集合和所述第二數值集合中的不重復子短時強降水因子，保留所述第一數值集合和所述第二數值集合中的一個重復子短時強降水因子，刪除剩余的重復子短時強降水因子；

14、降水預警模塊，用于根據所述待監測預警區域的短時強降水因子判斷是否對所述待監測預警區域生成短時強降水預警提醒。

15、進一步地，所述信息拆分模塊用于：

16、所述信息拆分模塊用于獲取第一初始空白數據鏈和第二初始空白數據鏈，其中，每個初始空白數據鏈上均設置有多個數據鏈節點和連接節；

17、所述信息拆分模塊用于將所述降水影響數據鏈上所有大于或等于預設重要性值的實時降水信息生成換鏈標記；

18、所述信息拆分模塊用于將所有攜帶有換鏈標記的實時降水信息轉移至第一初始空白數據鏈，并得到所述降水重要影響數據鏈；

19、所述信息拆分模塊用于將所述降水影響數據鏈上剩余的實時降水信息轉移到所述第二初始空白數據鏈，并得到所述降水關聯影響數據鏈。

20、進一步地，所述信息拆分模塊用于：

21、所述信息拆分模塊用于獲取歷史氣象信息，并根據所述歷史氣象信息構建數據集；

22、所述信息拆分模塊用于對所述數據集按照預設比例抽樣得到訓練子集和測試子集；

23、所述信息拆分模塊用于獲取預先選取的神經網絡模型，并根據所述訓練子集對所述神經網絡模型進行迭代訓練，根據所述測試子集對迭代訓練后的神經網絡模型進行評價，并得到所述信息重要性模型。

24、進一步地，所述信息拆分模塊用于：

25、所述信息拆分模塊用于若當前迭代訓練后的神經網絡模型的評價值小于前一次迭代訓練后的神經網絡模型的評價值，則降低神經網絡模型在梯度方向上變化的幅度，繼續進行迭代訓練，直至達到預設的迭代次數；

26、所述信息拆分模塊用于若當前迭代訓練后的神經網絡模型的評價值大于或等于前一次迭代訓練后的神經網絡模型的評價值，則停止迭代訓練。

27、進一步地，所述第一計算模塊用于：

28、所述第一計算模塊用于確定與所述同類型降水信息數列對應的降水信息范圍，其中，所述降水信息范圍包括第一預設降水信息值和第二預設降水信息值；

29、所述第一計算模塊用于將所述同類型降水信息數列中小于或等于所述第一預設降水信息值的實時降水信息劃分至第一層級區間；

30、所述第一計算模塊用于將所述同類型降水信息數列中大于所述第一預設降水信息值的實時降水信息，且小于所述第二預設降水信息值的實時降水信息，劃分至第二層級區間；

31、所述第一計算模塊用于將所述同類型降水信息數列中大于或等于所述第二預設降水信息值的實時降水信息，劃分至第三層級區間。

32、進一步地，所述第一計算模塊用于：

33、所述第一計算模塊用于計算所述第一層級區間的第一平均值和第一標準差，并根據所述第一平均值和所述第一標準差計算所述第一層級區間的第一標準化處理范圍；

34、所述第一計算模塊用于根據下式計算所述第一層級區間的第一標準化處理范圍：

35、；

36、其中，d（d1，d2）為第一標準化處理范圍，d1為左邊界值，d2為右邊界值，e1為第一平均值，a1為第一平均值對應的權重，e2為第一標準差，a2為第一標準差對應的權重；

37、所述第一計算模塊用于計算所述第二層級區間的第二平均值和第二標準差，并根據所述第二平均值和所述第二標準差計算所述第二層級區間的第二標準化處理范圍；

38、所述第一計算模塊用于計算所述第三層級區間的第三平均值和第三標準差，并根據所述第三平均值和所述第三標準差計算所述第三層級區間的第三標準化處理范圍；

39、所述第一計算模塊用于將每個層級區間內的實時降水信息與對應的標準化處理范圍進行比較，若實時降水信息在對應的標準化處理范圍內，則對實時降水信息生成范圍內標識，若所述實時降水信息未在對應的標準化處理范圍內，則對實時降水信息生成范圍外標識；

40、所述第一計算模塊用于根據所述范圍外標識計算所述子短時強降水因子。

41、進一步地，所述第一計算模塊用于：

42、所述第一計算模塊用于對所述第一層級區間配置第一計算系數，對所述第二層級區間配置第二計算系數，對所述第三層級區間配置第三計算系數；

43、所述第一計算模塊用于根據下式計算所述子短時強降水因子：

44、；

45、其中，g為子短時強降水因子，h1為第一計算系數，n1為第一層級區間中范圍外標識的數量，h2為第二計算系數，n2為第二層級區間中范圍外標識的數量，h3為第三計算系數，n3為第三層級區間中范圍外標識的數量。

46、進一步地，所述第二計算模塊用于：

47、所述第二計算模塊用于確定所述目標子短時強降水因子集合中的最大子短時強降水因子和最小子短時強降水因子；

48、所述第二計算模塊用于根據下式計算待監測預警區域的短時強降水因子：

49、；

50、其中，k為短時強降水因子，m為目標子短時強降水因子集合中子短時強降水因子的數量，δyi為第i個子短時強降水因子對應的權重，yi為第i個子短時強降水因子，ymin為最小子短時強降水因子，ymax為最大子短時強降水因子，為所有中的最大值。

51、進一步地，所述降水預警模塊用于：

52、所述降水預警模塊用于根據所述短時強降水因子和預設短時強降水因子之間的關系判斷是否對所述待監測預警區域生成短時強降水預警提醒；

53、所述降水預警模塊用于當所述短時強降水因子小于所述預設短時強降水因子時，則判斷不對所述待監測預警區域生成短時強降水預警提醒；

54、所述降水預警模塊用于當所述短時強降水因子大于或等于所述預設短時強降水因子時，則判斷對所述待監測預警區域生成短時強降水預警提醒。

55、與現有技術相比，本發明的有益效果在于：

56、第一構建模塊采集信息監測點的實時降水信息，構建降水影響數據鏈；信息拆分模塊輸出實時降水信息的重要性值，得到降水重要影響數據鏈；第一計算模塊提取同類型實時降水信息，構建同類型降水信息數列，計算子短時強降水因子；第二構建模塊根據所有的子短時強降水因子構建子短時強降水因子集合；第二計算模塊確定目標子短時強降水因子集合，計算短時強降水因子；降水預警模塊根據短時強降水因子判斷是否對待監測預警區域生成短時強降水預警提醒，可以對短時強降水進行精準預警，提高短時強降水的預警精度和響應速度，降低空報率和漏報率，增強防災減災能力。