CN119395793A 基于扩散模型的雷达短临预测方法、装置、设备及介质 （北京弘象科技有限公司）

基于扩散模型的雷达短临预测方法、装置、本发明提供了一种基于扩散模型的雷达短于预处理后的目标雷达数据生成目标区域对应预测模型生成第一雷达回波短临预测结果序列短临预测结果序列和第一残差预测值序列确定目标区域对应的目标雷达回波短临预测结果序2将预处理后的所述目标雷达数据输入至预先训练得到的目标雷通过所述确定性时序预测模型，基于预处理后的所述目标雷达数据生成短临预测结果序列对应的第一残差预测值序列；基于所述第一雷达回波短临预测结果序列和所述第一残差预测通过所述确定性时序预测模型，基于预处理后的所述历史雷达数据生成通过所述残差预测模型生成所述第二雷达回波短临预测结果序列对应的第二残差预基于所述第一模型损失值和每个所述第二模型损失值确定联合损;其中，LU为所述第一模型损失值；y为所述雷达回波短临真雷达回波短临预测结果序列中包含的雷达回波短临;E(rr-)-r,re-N(o1)为函数符号；Ti,Ti-1表示所述残差真值序列中第i、i-1帧的残差真值；为所述第二残差预测值序列r中第i帧的残差预测值的第t个时间步的去噪状态，ii-1为所述第二残差预测值序列r中第i-1帧的3基于所述第一雷达回波短临预测结果序列，和所述残差预测模型针波短临预测结果序列中位于当前帧之前的多个雷达回波短临预测结果生成的残差预测值，将随机正态分布的噪声输入至所述残差预测模型，通过所述残基于所述第一雷达回波短临预测结果序列中每帧所述雷达回波短临预测结果对应的从所述第一雷达回波短临预测结果序列中提取全局将所述全局运动趋势和每个所述残差片段作为预测模型针对所述第一雷达回波短临预测结果序列中位于当前帧之前的多个雷达回波短基于所述残差预测模型针对所述第一雷达回波短临预测结果序列中位于当前帧之前对所述第一雷达回波短临预测结果和所述第一残差预测数据输入模块，用于将预处理后的所述目标雷达数据输入至4初步预测模块，用于通过所述确定性时序预测模型，成所述第一雷达回波短临预测结果序列对应的第一残差预结果确定模块，用于基于所述第一雷达回波短临预测结理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求15安全具有重要作用。主要包括基于数值天气预报方法和基于雷达回波外推的预报方法。数值天气预报(NumericalWeatherPrediction,NWP)是目前被广泛应用的一种预报方式，通过计算模设备及介质，以缓解现有的雷达短临预测方法预测准确率较低和纹理结构较差的技术问6雷达短临预测模型包括确定性时序预测模型和基于扩散对应的第一残差预测值序列；通过残差预测模型生成第二雷达回波短临预测结果序列对应的第二残差预测值;回波短临预测结果序列中包含的雷达回波短临;差真值序列中第i、i-1帧的残差真值；为第二残差预测值序列r中第i帧的残差预测值的第t个时间步的去噪状态，ii-1为第二残差预测值序列r中第i-1帧的残差预测值，N(0,I)为随机正态分布，e为从随机正态分布中采样的噪声，EO为残差预测模型预测的噪声；7基于雷达回波短临预测结果序列中每帧雷达回波短临预测结果对应的残差预测第一雷达回波短临预测结果序列中位于当前帧之前的多个雷达回波短临预测结果生成的从第一雷达回波短临预测结果序列中提取全局基于残差预测模型针对第一雷达回波短临预测结果序列中位于当前帧之前的多标区域对应的目标雷达回波短临预测结果序列。波短临预测结果序列对应的第一残差预测值序结果确定模块，用于基于第一雷达回波短临预测结果序列和第一残差预测值序8算法，通过扩散模型学习确定性预测模型输出的雷达回波短临预测结果序列的残差分布，[0022]图1为本发明实施例提供的一种基于扩散模型的雷达短临预测方法的流程示意图3为本发明实施例提供的一种基于扩散模型的雷达短临预测装置的结构示意9雷达短临预测方法进行详细介绍，参见图1所示的一种基于扩散模型的雷达短临预测方法[0028]基于扩散模型的残差预测模型可以采用UNet网络，其输入为随机正态分布的噪测结果序列对应的第一残差预测值序列。标区域对应的目标雷达回波短临预测结果序列。[0033]在一例中，利用第一残差预测值序列对第一雷达回波短临预测结果序列进行订提供了一种训练目标雷达短临预测模型的具体实施方式，参见图2所示的一种训练目标雷值补充算法对解析后的历史雷达数据进行数据;;;残差真值为雷达回波短临预测结果与雷达回波短临真值之间;回波短临预测结果序列中包含的雷达回波短临;r为残差真值序列，y为雷达回波短临真值序列中的第i帧雷达回波短临真网络拟合对应的物理解噪过程，基于计算残差进行物理加噪过程添加噪声，使用上一片段回波短临预测结果序列制作条件特征变量，用作训练后的UNet网络的特征输入，以控制残;第t个时间步的去噪状态；ii-1为第二残差预测值序列r中第i-1帧的残差预测值，N(0,I)为随机正态分布，e为从随机正态分布中采样的噪声，EO为残差预测模型预测的噪声。;针对第一雷达回波短临预测结果序列中位于当前帧之前的多个雷达回波短临预测结果生;数据输入模块304，用于将预处理后的目标雷达数据输入至预先训练得到的目标回波短临预测结果序列对应的第一残差预测值结果确定模块308，用于基于第一雷达回波短临预测结果序列和第一残差预测值通过残差预测模型生成第二雷达回波短临预测结果序列对应的第二残差预测值;回波短临预测结果序列中包含的雷达回波短临;差真值序列中第i、i-1帧的残差真值；为第二残差预测值序列r中第i帧的残差预测值的第t个时间步的去噪状态，ii-1为第二残差预测值序列r中第i-1帧的残差预测值，N(0,I)为随机正态分布，e为从随机正态分布中采样的噪声，EO为残差预测模型预测的噪声；基于雷达回波短临预测结果序列中每帧雷达回波短临预测结果对应的残差预测从第一雷达回波短临预测结果序列中提取全局基于残差预测模型针对第一雷达回波短临预测结果序列中位于当前帧之前的多标区域对应的目标雷达回波短临预测结果序列。理器(NetworkProcessor，简称NP)等