一种基于ST-LSTM的短期降水预测方法

本发明公开一种基于ST‑LSTM的短期降水预测方法，通过雷达图像以目标站为中心，覆盖了周围约128*128平方公里的区域，并以128×128像素的分辨率呈现，随后进行了筛选、分组、图像增强等预处理操作。最终得到数据集包含4000个样本作为训练集，1361个样本作为测试集，并从训练集中随机选取1000个样本作为验证集，数据按时间序列格式进行存储，通过降水数据构建ST‑LSTM模型，通过卷积神经网络提取降水数据的空间特征，使用LSTM网络对时间序列进行建模；本发明解决传统外推方法中高降水地区预报强度偏低以及外推效果随时间延长而下降的问题，通过综合评估与基于深度学习的主流方法的性能对比，基于ST‑LSTM的架构，采用和PredRNN相同的堆叠方式，引入了多尺度卷积模块。