本發(fā)明涉及一種人工增雨效果評(píng)估量化方法，特別是一種基于深度學(xué)習(xí)的人工增雨效果評(píng)估量化方法。

背景技術(shù)：

1、為了增加降水量，許多地區(qū)通過(guò)精確選擇作業(yè)時(shí)間來(lái)實(shí)施人工增雨。基于云物理學(xué)和人工增雨的科學(xué)原理，人工增雨的效果主要體現(xiàn)在目標(biāo)云系的微觀結(jié)構(gòu)和降水過(guò)程的改變上。這種影響表現(xiàn)在兩個(gè)方面：首先，人工作用直接改變?cè)频暮暧^和微觀物理屬性，即為直接效果；其次，通過(guò)催化作用間接增加地面降水量，這是人工天氣調(diào)控的最終目標(biāo)，即間接效果。然而，目前缺乏有效的評(píng)估工具和方法，使得如何科學(xué)地評(píng)估人工增雨效果成為天氣調(diào)控研究與實(shí)踐中最復(fù)雜和挑戰(zhàn)性的問(wèn)題之一。

2、目前評(píng)估人工增雨效果的方法主要有三種。首先是廣泛認(rèn)可的隨機(jī)對(duì)照試驗(yàn)法。然而，該方法需要較大的樣本量，可能會(huì)犧牲部分作業(yè)機(jī)會(huì)，從而延長(zhǎng)試驗(yàn)周期。此外，它也未能有效應(yīng)對(duì)自然降水的高變異性。其次是利用數(shù)值模擬進(jìn)行效果評(píng)估。盡管已開(kāi)發(fā)了二維及三維云降水模擬技術(shù)，但這些技術(shù)仍未成熟，精度有待提高。最后是通過(guò)比較影響區(qū)與對(duì)照區(qū)的方法進(jìn)行評(píng)估。然而，由于我國(guó)降水在時(shí)間和空間上的自然差異極大，這種方法在選擇對(duì)比目標(biāo)區(qū)域時(shí)缺乏有效標(biāo)準(zhǔn)。

3、隨著深度學(xué)習(xí)的高度發(fā)展，利用多層的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模仿人腦處理信息的機(jī)制，能夠有效執(zhí)行復(fù)雜的模式識(shí)別和數(shù)據(jù)預(yù)測(cè)任務(wù)。該技術(shù)在眾多領(lǐng)域展現(xiàn)出良好的能力，在氣象領(lǐng)域，尤其是在評(píng)估人工增雨效果方面，深度學(xué)習(xí)提供了一種全新的視角和方法。相較于傳統(tǒng)方法依賴(lài)于分析地面降水變化，深度學(xué)習(xí)通過(guò)模型學(xué)習(xí)能夠區(qū)分自然降水和人工增雨導(dǎo)致的降水變化，從而精確量化評(píng)估人工增雨的效果，同時(shí)我國(guó)風(fēng)云系列衛(wèi)星系統(tǒng)的完善，風(fēng)云4號(hào)氣象衛(wèi)星(即fy-4a衛(wèi)星)數(shù)據(jù)在天氣預(yù)測(cè)方面得到了廣泛應(yīng)用。風(fēng)云4號(hào)氣象衛(wèi)星對(duì)云系和降水進(jìn)行了廣泛覆蓋和高質(zhì)量、高分辨率的觀測(cè)。這些觀測(cè)數(shù)據(jù)不僅有助于深入分析云和降水的微物理特征，還能加強(qiáng)對(duì)人工增雨潛力的理解和評(píng)估。

4、相關(guān)專(zhuān)利文獻(xiàn)cn114660678a公開(kāi)了一種基于衛(wèi)星遙感數(shù)據(jù)的飛機(jī)增雨效果評(píng)估方法，該方法通過(guò)對(duì)多源多時(shí)相衛(wèi)星遙感數(shù)據(jù)和常規(guī)地面氣象觀測(cè)資料以及飛機(jī)增雨作業(yè)信息的綜合使用，研判飛機(jī)增雨作業(yè)影響區(qū)，設(shè)置對(duì)比區(qū)，并分析影響區(qū)和對(duì)比區(qū)的云和降水宏微觀物理變化，計(jì)算作業(yè)影響區(qū)和對(duì)比區(qū)的面積和增雨量數(shù)據(jù)，最后生成飛機(jī)增雨效果評(píng)估報(bào)告。

5、以上技術(shù)方案并未較好地解決人工增雨效果難以評(píng)估和量化的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)的人工增雨效果評(píng)估量化方法，該方法能夠更加精確地模擬和預(yù)測(cè)降雨過(guò)程，在定量評(píng)估人工增雨效果方面性能良好，以解決人工增雨效果難以評(píng)估和量化的問(wèn)題。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案如下：

3、一種基于深度學(xué)習(xí)的人工增雨效果評(píng)估量化方法，其技術(shù)方案在于它包括如下步驟：

4、s1:收集風(fēng)云4號(hào)氣象衛(wèi)星(即fy-4a衛(wèi)星)數(shù)據(jù)、實(shí)際降雨量觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù)，并分析風(fēng)云4號(hào)氣象衛(wèi)星的多個(gè)通道，選取多個(gè)(可以是五個(gè))與降雨量預(yù)測(cè)相關(guān)的通道用作實(shí)驗(yàn)數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行時(shí)間同步的嚴(yán)格調(diào)整，以確保這些數(shù)據(jù)在空間和時(shí)間維度上的一致性，得到調(diào)整處理后的數(shù)據(jù)集，步驟s1為數(shù)據(jù)獲取和初步處理步驟；

5、s2:將步驟s1得到的調(diào)整處理后的數(shù)據(jù)，進(jìn)行自然條件下短期降雨量預(yù)測(cè)模型實(shí)驗(yàn)，在實(shí)驗(yàn)中首先排除(2020年湖北地區(qū)143個(gè))受人工增雨作業(yè)影響的時(shí)間點(diǎn)，剔除因人工干預(yù)產(chǎn)生的異常降雨數(shù)據(jù)，同時(shí)也剔除對(duì)應(yīng)的時(shí)間是風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)，接著根據(jù)實(shí)際降雨量數(shù)據(jù)的經(jīng)緯度，對(duì)步驟s1調(diào)整處理后的實(shí)際降雨量觀測(cè)數(shù)據(jù)和風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)進(jìn)行經(jīng)緯度對(duì)齊，因?yàn)榉直媛实牟煌瑢?dǎo)致實(shí)際降雨量觀測(cè)數(shù)據(jù)與經(jīng)緯度對(duì)齊后的風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)在圖像尺寸上不一致，因此在實(shí)驗(yàn)中(預(yù)處理過(guò)程中)采用卷積神經(jīng)網(wǎng)絡(luò)cnn對(duì)風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)進(jìn)行卷積處理，調(diào)整風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)在圖像的尺寸與降雨量數(shù)據(jù)保持一致，得到處理后的數(shù)據(jù)集；

6、s3:將步驟s1和步驟s2處理后的數(shù)據(jù)集輸入多通道高效通道注意力unet(mc-eca-unet)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，該模型在unet基礎(chǔ)上進(jìn)行了改進(jìn)，具體包括添加了eca模塊、在網(wǎng)絡(luò)的最后一層引入了多通道權(quán)重機(jī)制，并優(yōu)化了網(wǎng)絡(luò)損失函數(shù)的策略。具體是mc-eca-unet模型是在unet模型的基礎(chǔ)上進(jìn)行改進(jìn)，unet網(wǎng)絡(luò)因其良好的性能和適應(yīng)能力，已被廣泛應(yīng)用于多個(gè)領(lǐng)域，如衛(wèi)星圖像分析和環(huán)境監(jiān)測(cè)等，但unet網(wǎng)絡(luò)面對(duì)多通道風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)的復(fù)雜性包括多波段光譜信息、高動(dòng)態(tài)范圍及豐富的空間細(xì)節(jié)，同時(shí)要分析風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)中攜帶著對(duì)大氣和氣象分析至關(guān)重要的光譜特性，這些都使得風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)的處理難度超出常規(guī)圖像數(shù)據(jù)范疇。而unet網(wǎng)絡(luò)缺少處理這些特性差異的能力，這可能導(dǎo)致關(guān)鍵信息丟失，從而影響最終的圖像處理效果。改進(jìn)之處是在原有的unet模型中的跳躍連接中融入了eca模塊，同時(shí)多通道高效通道注意力unet網(wǎng)絡(luò)模型最后一層采用創(chuàng)新的多通道權(quán)重機(jī)制，最后mc-eca-unet模型改進(jìn)的損失函數(shù)，采用了結(jié)合mse損失與正則化的策略。最終將改進(jìn)完成mc-eca-unet網(wǎng)絡(luò)模型進(jìn)行了大量的實(shí)驗(yàn)，驗(yàn)證了模型可靠性。

7、s4：評(píng)估人工增雨作業(yè)效果，采用某地的多次人工增雨作業(yè)數(shù)據(jù)(可采用湖北省武漢市和宜昌市的四次人工增雨作業(yè)數(shù)據(jù))，對(duì)訓(xùn)練完成的模型進(jìn)行人工增雨效果評(píng)估，通過(guò)模型反演獲得同一地區(qū)人工增雨條件下自然形成的降雨量，然后和人工增雨后的實(shí)際降雨量進(jìn)行比較，并利用殘差值來(lái)評(píng)估量化人工增雨的有效性，最后利用模型對(duì)每一次作業(yè)數(shù)據(jù)進(jìn)行評(píng)估量化。該方法包含數(shù)據(jù)處理、模型建立和結(jié)果輸出模塊。

8、上述技術(shù)方案中，優(yōu)選的技術(shù)方案可以是，所述步驟s1具體包括:

9、s1.1:獲取風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)、實(shí)際降雨量觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù),其中風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)是在風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)獲取的一定地域范圍(2020年我國(guó)范圍)2km分辨率衛(wèi)星數(shù)據(jù)；

10、在實(shí)驗(yàn)中風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)是2020年我國(guó)區(qū)域2km分辨率數(shù)據(jù)，然后以某地(如湖北地區(qū))的經(jīng)緯度為基準(zhǔn)，將我國(guó)區(qū)域2km分辨率衛(wèi)星數(shù)據(jù)進(jìn)行剪裁處理，得到某地(如湖北地區(qū))范圍內(nèi)的2020年2km分辨率風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)。

11、風(fēng)云4號(hào)氣象衛(wèi)星相較于風(fēng)云2號(hào)氣象衛(wèi)星，風(fēng)云4號(hào)氣象衛(wèi)星增加了9個(gè)光譜波段以及實(shí)現(xiàn)更高的時(shí)空分辨率，agri通道數(shù)已經(jīng)從14增加到了18，同時(shí)紅外空間分辨率也提高至2公里。這使得衛(wèi)星能夠更加準(zhǔn)確地獲取全圓盤(pán)衛(wèi)星云圖，并且風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)有助于深入分析云和降水的微物理特征，也提升了對(duì)人工增雨潛力的認(rèn)識(shí)和評(píng)估。實(shí)際降雨量觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù)由某地氣象服務(wù)部門(mén)提供(可由湖北省氣象服務(wù)中心提供)。實(shí)際降雨量觀測(cè)數(shù)據(jù)詳細(xì)追蹤了降雨事件及其后續(xù)影響，涵蓋了日、月、年降雨數(shù)據(jù)，還包含了降雨強(qiáng)度、降雨持續(xù)時(shí)間以及降雨的空間分布等詳細(xì)信息。人工增雨作業(yè)記錄數(shù)據(jù)記錄了每個(gè)事件的具體地點(diǎn)、日期及其精確的開(kāi)始和結(jié)束時(shí)間。

12、s1.2：通過(guò)分析實(shí)際降雨觀測(cè)數(shù)據(jù)，選擇步驟s1.1中風(fēng)云4號(hào)氣象衛(wèi)星在一定范圍(2020年我國(guó)范圍)2km分辨率衛(wèi)星數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象，該衛(wèi)星數(shù)據(jù)共有七個(gè)通道，在實(shí)驗(yàn)中分析各通道的主要用途，并選取五個(gè)與降雨量預(yù)測(cè)相關(guān)的通道作為實(shí)驗(yàn)數(shù)據(jù)，這五個(gè)通道分別是通道1、通道2、通道4、通道5以及通道7；這些通道涵蓋了從可見(jiàn)光到近紅外、短波紅外、中波紅外等多種波段。選擇的每種波段都針對(duì)降雨量的觀測(cè)目標(biāo)和人工增雨適用場(chǎng)景。本發(fā)明通過(guò)選取多個(gè)通道作為觀測(cè)通道，可以進(jìn)一步獲得信息，有助于精確定位可能的降水生成區(qū)。

13、s1.3：對(duì)步驟s1.1和步驟s1.2得到的風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)、實(shí)際降雨量觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù)之間的時(shí)間同步進(jìn)行調(diào)整，以確保這些數(shù)據(jù)在空間和時(shí)間維度上的一致性；未調(diào)整前，風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)和實(shí)際降雨量觀測(cè)數(shù)據(jù)的時(shí)間標(biāo)記采用協(xié)調(diào)世界時(shí)(utc)，人工增雨作業(yè)記錄數(shù)據(jù)遵循北京時(shí)間(utc+8)，具體調(diào)整方法是，將風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)和實(shí)際降雨量觀測(cè)數(shù)據(jù)的時(shí)間戳調(diào)整，增加8小時(shí)以匹配北京時(shí)間，以確保時(shí)間序列分析的準(zhǔn)確性和一致性，得到調(diào)整處理后的數(shù)據(jù)集。

14、上述技術(shù)方案中，優(yōu)選的技術(shù)方案還可以是，所述步驟s2具體包括:

15、s2.1:將步驟s1.3處理得到的數(shù)據(jù)集，進(jìn)行自然條件下降雨量預(yù)測(cè)模型實(shí)驗(yàn)。在實(shí)驗(yàn)中首先排除受人工增雨作業(yè)影響的時(shí)間點(diǎn)，剔除因人工干預(yù)產(chǎn)生的異常降雨數(shù)據(jù)，比如首先排除2020年湖北省境內(nèi)143個(gè)人工增雨作業(yè)記錄數(shù)據(jù)，剔除因人工干預(yù)產(chǎn)生的異常降雨數(shù)據(jù)，以消除人為干預(yù)的影響，進(jìn)一步結(jié)合風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)、實(shí)際降雨量觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù)構(gòu)建實(shí)驗(yàn)所用的數(shù)據(jù)集；該數(shù)據(jù)集為評(píng)估量化人工增雨效果及其對(duì)環(huán)境的潛在影響提供了寶貴信息。

16、s2.2:在模型訓(xùn)練之前根據(jù)降雨量數(shù)據(jù)的經(jīng)緯度，對(duì)步驟s1調(diào)整處理后的實(shí)際降雨量觀測(cè)數(shù)據(jù)和風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)進(jìn)行經(jīng)緯度對(duì)齊，因?yàn)榉直媛实牟煌?，?dǎo)致實(shí)際降雨量觀測(cè)數(shù)據(jù)與經(jīng)緯度對(duì)齊后的風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)在圖像尺寸上不一致，采用卷積神經(jīng)網(wǎng)絡(luò)cnn對(duì)風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)進(jìn)行卷積處理，調(diào)整風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)在圖像的尺寸與降雨量數(shù)據(jù)保持一致；最后對(duì)訓(xùn)練集和測(cè)試集的數(shù)值進(jìn)行歸一化處理，處理后得到的數(shù)據(jù)具有了兼容性和很好的處理效率。

17、上述技術(shù)方案中，優(yōu)選的技術(shù)方案還可以是，所述步驟s3具體包括:

18、s3.1:將步驟s1和步驟s2處理之后的數(shù)據(jù)集，加入多通道高效通道注意力unet(mc-eca-unet，multi-channel?efficient?channel?attention?unet)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，該數(shù)據(jù)集包括：風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)、實(shí)際降雨觀測(cè)數(shù)據(jù)和人工增雨作業(yè)記錄數(shù)據(jù)，多通道高效通道注意力unet網(wǎng)絡(luò)模型通過(guò)分析歷史氣象數(shù)據(jù)學(xué)習(xí)降雨過(guò)程中的復(fù)雜模式，該模型是基于unet網(wǎng)絡(luò)進(jìn)行改進(jìn)，在unet網(wǎng)絡(luò)基礎(chǔ)上添加了高效的通道注意力機(jī)制eca模塊、多通道權(quán)重機(jī)制和改進(jìn)的損失函數(shù)；

19、s3.2:通過(guò)eca模塊優(yōu)化通道注意力的計(jì)算與應(yīng)用，實(shí)現(xiàn)特征圖通道重要性的動(dòng)態(tài)調(diào)整，而無(wú)需復(fù)雜的運(yùn)算或大幅增加模型參數(shù)。卷積核k自適應(yīng)函數(shù)，定義如下：

20、

21、式子中：k代表卷積核大小；c代表通道數(shù)；||odd意味著k只能為奇數(shù)；γ和b，設(shè)定值分別為2和1，用來(lái)調(diào)整通道數(shù)c與卷積核大小k之間的比例；

22、實(shí)驗(yàn)表明，避免維度縮減對(duì)于學(xué)習(xí)通道注意非常重要，適當(dāng)?shù)目缤ǖ澜换タ梢栽诿黠@降低模型復(fù)雜度的同時(shí)保持性能，本發(fā)明在克服性能和復(fù)雜性的矛盾之間，提出了一種高效的通道注意(eca)模塊。通過(guò)eca模塊可以?xún)?yōu)化通道注意力的計(jì)算與應(yīng)用，實(shí)現(xiàn)特征圖通道重要性的動(dòng)態(tài)調(diào)整，而無(wú)需復(fù)雜的運(yùn)算或大幅增加模型參數(shù)。

23、s3.3:多通道高效通道注意力unet網(wǎng)絡(luò)模型的最后一層采用(創(chuàng)新的)多通道權(quán)重機(jī)制，以提升模型對(duì)風(fēng)云4號(hào)氣象衛(wèi)星數(shù)據(jù)中不同通道所包含細(xì)節(jié)信息的敏感性，該機(jī)制評(píng)估并加權(quán)不同通道中的信息，以提升模型對(duì)大氣、云層和地表這些氣象要素的分析與理解能力；

24、s3.4:在實(shí)驗(yàn)中采用結(jié)合mse損失與正則化的策略進(jìn)而對(duì)損失函數(shù)進(jìn)行改進(jìn)，mse損失是全域可微分的數(shù)學(xué)特性便于使用梯度優(yōu)化方法進(jìn)行損失最小化，mse公式如下：

25、其中，n是樣本數(shù)量，yi是真實(shí)值，是模型預(yù)測(cè)值；

26、在損失函數(shù)中加入正則化有效地控制模型復(fù)雜度，防止模型在訓(xùn)練過(guò)程中對(duì)數(shù)據(jù)的過(guò)度擬合，采用這種方法能夠減少對(duì)數(shù)據(jù)集中噪聲的學(xué)習(xí)，促使模型傾向于學(xué)習(xí)更泛化的數(shù)據(jù)表示，在選擇正則化時(shí)，實(shí)驗(yàn)中使用的是最小平方損失函數(shù)的l2嶺回歸正則化，其公式為：

27、

28、其中，λ是正則化參數(shù)，p是模型參數(shù)的數(shù)量，wj是模型參數(shù)，

29、使用正則化的損失函數(shù)公式為：

30、

31、結(jié)合mse損失與正則化的方法為深度學(xué)習(xí)模型提供一種在降低復(fù)雜度與增強(qiáng)擬合效果之間平衡的策略；

32、s3.5：驗(yàn)證多通道高效通道注意力unet網(wǎng)絡(luò)模型的性能，進(jìn)行了眾多實(shí)驗(yàn)以確保模型收斂。自然降雨量條件下實(shí)驗(yàn)結(jié)果：清晰展示了模型預(yù)測(cè)的降雨分布與實(shí)際降雨的高度一致性，涵蓋了降雨量的強(qiáng)度與分布模式，證實(shí)多通道高效通道注意力unet網(wǎng)絡(luò)模型在預(yù)測(cè)某地(如湖北省)降雨量方面的高準(zhǔn)確性。同時(shí)說(shuō)明了多通道高效通道注意力unet網(wǎng)絡(luò)模型在風(fēng)云4號(hào)氣象衛(wèi)星圖像多通道數(shù)據(jù)上展現(xiàn)出良好的自適應(yīng)學(xué)習(xí)能力。

33、上述技術(shù)方案中，優(yōu)選的技術(shù)方案還可以是，所述步驟s4具體包括:

34、s4.1評(píng)估人工增雨作業(yè)效果，采用某地的四次人工增雨作業(yè)數(shù)據(jù)集(比如可采用湖北省武漢市和宜昌市的四次人工增雨作業(yè)數(shù)據(jù)集)，挑選的數(shù)據(jù)集加入到步驟s3訓(xùn)練完成的模型和實(shí)驗(yàn)對(duì)比模型，對(duì)訓(xùn)練完成的模型進(jìn)行人工增雨效果評(píng)估；

35、s4.2實(shí)驗(yàn)中共對(duì)比了三種網(wǎng)絡(luò)預(yù)測(cè)模型,分別是unet模型、smaat_unet模型和mc-eca-unet模型；模型在參數(shù)設(shè)置時(shí),實(shí)驗(yàn)的批處理大小設(shè)定為32，算法優(yōu)化通過(guò)使用adam優(yōu)化器進(jìn)行參數(shù)更新，初始學(xué)習(xí)率設(shè)為0.001；此外，實(shí)驗(yàn)中引入了自適應(yīng)學(xué)習(xí)率調(diào)整策略，若連續(xù)10個(gè)訓(xùn)練周期內(nèi)驗(yàn)證損失未減少，則學(xué)習(xí)率自動(dòng)降至原來(lái)的十分之一；

36、s4.3將上述的四次人工增雨作業(yè)數(shù)據(jù)集通過(guò)模型反演獲得同一地區(qū)人工增雨條件下的自然形成的降雨量，然后和人工增雨后的實(shí)際降雨量進(jìn)行比較，并利用殘差值來(lái)評(píng)估量化人工增雨的有效性，同時(shí)也驗(yàn)證多通道高效通道注意力unet網(wǎng)絡(luò)模型性能表現(xiàn)，最后利用多通道高效通道注意力unet網(wǎng)絡(luò)模型對(duì)每一次作業(yè)數(shù)據(jù)進(jìn)行評(píng)估量化。

37、上述技術(shù)方案中，優(yōu)選的技術(shù)方案還可以是，所述步驟s4中所得到的殘差值包括計(jì)算均方根誤差、平均絕對(duì)誤差和平均相對(duì)誤差，殘差值反映實(shí)際觀測(cè)與預(yù)測(cè)之間的差異，均方根誤差反映偏離程度，平均絕對(duì)誤差反映平均誤差。所述步驟s4.2中三種網(wǎng)絡(luò)預(yù)測(cè)模型在實(shí)驗(yàn)中都是對(duì)降雨量進(jìn)行周期為7小時(shí)的降雨量預(yù)測(cè)。步驟s1中選取五個(gè)與降雨量預(yù)測(cè)相關(guān)的通道用作實(shí)驗(yàn)數(shù)據(jù)。

38、本發(fā)明用于短期降雨預(yù)測(cè)，解決了如何很好的捕捉降雨事件的高空間和時(shí)間分辨率特征。通過(guò)分析歷史氣象數(shù)據(jù)學(xué)習(xí)降雨過(guò)程中的復(fù)雜模式，使其能夠計(jì)算在人工增雨條件下的實(shí)際降雨量，并通過(guò)反演獲得在同一區(qū)域人工增雨條件下自然形成的降雨量。通過(guò)比較這兩種條件下的降雨量，可以量化評(píng)估人工增雨的有效性。

39、本發(fā)明針對(duì)如何評(píng)估量化人工增雨的效果，提出了一種基于深度學(xué)習(xí)的算法評(píng)估方法，該方法旨在利用深度學(xué)習(xí)技術(shù)，將人工增雨后的實(shí)際降雨量與通過(guò)反演獲得的同一地區(qū)人工增雨條件下的自然形成降雨量進(jìn)行比較，定量評(píng)估人工增雨的效果。本發(fā)明研究結(jié)果表明，多通道高效通道注意力unet網(wǎng)絡(luò)模型在多項(xiàng)性能指標(biāo)上均表現(xiàn)出較高的準(zhǔn)確率和可靠性，該模型能夠更加精確地模擬和預(yù)測(cè)降雨過(guò)程，特別是在定量評(píng)估人工增雨效果方面性能良好，有效提高了人工增雨效果評(píng)估的準(zhǔn)確性和科學(xué)性。

40、綜上所述，本發(fā)明提供了一種基于深度學(xué)習(xí)的人工增雨效果評(píng)估量化方法，該方法能夠更加精確地模擬和預(yù)測(cè)降雨過(guò)程，在定量評(píng)估人工增雨效果方面性能良好，解決了人工增雨效果難以評(píng)估和量化的問(wèn)題。