用于水库增蓄的声波增雨作业效果评估方法及系统

专利名称：用于水库增蓄的声波增雨作业效果评估方法及系统

专利类型：发明专利

专利申请号：CN202411282469.9

专利申请（专利权）人：福建水口发电集团有限公司,清华大学
权利人地址：福建省福州市台江区白马南路333号水口大厦

专利发明（设计）人：田利亮,林志虹,李韦童,李铁键,赵杰,何宇恒,黄伟秦,程浩

专利摘要：本发明涉及用于水库增蓄的声波增雨作业效果评估方法及系统，方法包括：划定目标区、候选区；获取目标区和候选区的地形高程数据、历史降雨时序数据；获取声波增雨作业前后目标区和候选区的卫星云图；将目标区和候选区划分为若干矩形区域；将与目标区相似度最高的候选区作为对比区；获取声波增雨作业时对比区的降雨时序数据；计算对比区的降雨时序数据和目标区的各历史降雨时序数据的相似度，将相似度最高的一次历史降雨时序数据对应的时段作为对比时段；根据待评估声波增雨作业的水库增蓄量和对比时段的水库增蓄量对本次声波增雨作业的水库增蓄效果进行评估。本发明充分考虑了降雨的时间变化对增雨效果评估的影响，提高了评估的准确性。

主权利要求：
1.一种用于水库增蓄的声波增雨作业效果评估方法，其特征在于，包括以下步骤：根据待评估声波增雨作业内容划定声波增雨的目标区，所述目标区为矩形，在所述目标区外划定若干形状、面积均相同的候选区；
获取目标区和候选区的地形高程数据；
获取目标区和候选区内若干雨量站采集的历史降雨时序数据；
获取声波增雨作业前后目标区和候选区的卫星云图；
根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区；
获取声波增雨作业前后对比区的降雨时序数据；
计算声波增雨作业前后对比区的降雨时序数据和目标区的各历史降雨时序数据的相似度，将相似度最高的一次历史降雨时序数据对应的时段作为对比时段；
根据待评估声波增雨作业的水库增蓄量和所述对比时段的水库增蓄量对本次声波增雨作业的水库增蓄效果进行评估；
获取目标区和候选区内若干雨量站采集的历史降雨时序数据，具体为：获取目标区第n个雨量站采集的历史降雨时序数据An：An＝(an1,an2，…,anM)；
其中，anM为目标区第n个雨量站在第M个时段采集的雨量；
获取第l个候选区的第n个雨量站采集的历史降雨时序数据Bln：Bln＝(bln1,bln2，…,blnM)；
其中，blnM为第l个候选区的第n个雨量站在第M个时段采集的雨量；
所述历史降雨时序数据An和所述历史降雨时序数据Bln在同一次降雨中采集；
将所述历史降雨时序数据An和历史降雨时序数据Bln作为一组历史降雨时序数据；
重复上述步骤，获取若干组历史降雨时序数据；
所述历史降雨时序数据Bln通过以下方式得到：根据历史降雨时序数据An得到目标区的历史降雨时序数据A0：A0＝(a01，a02，…，a0i…，a0M)：其中，a0i为目标区在第i个时段的雨量；
其中，aNi为目标区第N个雨量站在第i个时段采集的雨量，N为目标区的雨量站数量；
获取第l个候选区的第n个雨量站采集的历史降雨时序数据Cln：Cln＝(cln1，cln2，…，clnM′)；
其中，clnM′为第l个候选区的第n个雨量站在第M′个时段采集的雨量，M′大于M；
根据历史降雨时序数据Cln得到第l个候选区的历史降雨时序数据Cl0：Cl0＝(cl01，cl02，…，cl0i，…，cl0M′)；
其中，cl0i为第l个候选区在第i个时段的雨量；
其中，N′为候选区的雨量站数量；
从所述历史降雨时序数据Cl0中截取出若干个历史降雨时序数据：Cl0j＝(cl0j，cl0(j+1)，…，cl0(j+M‑1))其中，Cl0j为所述历史降雨时序数据Cl0中截取出的第j个历史降雨时序数据，cl0j为第l个候选区在第j个时段的雨量，j∈[1，M′‑M+1]；
根据所述历史降雨时序数据A0计算目标区的总降雨量；
根据所述历史降雨时序数据Cl0j计算第l个候选区的总降雨量；
剔除总降雨量不满足预设条件的历史降雨时序数据Cl0j；
计算所述历史降雨时序数据A0与历史降雨时序数据Cl0j的相似度，将与历史降雨时序数据A0相似度最高的降雨时序数据Cl0j对应的时段作为第l个候选区采集历史降雨时序数据Bln的时段。
2.根据权利要求1所述用于水库增蓄的声波增雨作业效果评估方法，其特征在于，根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区，包括：将所述目标区和所述候选区划分为若干互不重叠的矩形区域，且目标区和候选区的划分方法相同，各所述矩形区域内均包含一个雨量站；
通过格拉姆角场将所述矩形区域的一组历史降雨时序数据转换为图像A；
获取所述目标区与各候选区的历史时序降雨图像，所述历史时序降雨图像包含若干矩形区域，各所述矩形区域被对应的所述图像A拉伸填充；
计算目标区历史时序降雨图像与各候选区历史时序降雨图像的相似度，得到第一相似度；
重复上述步骤，计算目标区与各候选区的各组历史降雨时序数据的第一相似度；
获取目标区与各候选区的第二相似度，所述第二相似度由各所述第一相似度取中位值得到。
3.根据权利要求2所述用于水库增蓄的声波增雨作业效果评估方法，其特征在于，根据所述降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区，还包括：将所述目标区和所述候选区的地形高程数据转换为灰度图像B；
将所述目标区和所述候选区的卫星云图转换为灰度图像C；
叠加所述图像B和所述图像C，得到图像D；
通过特征提取模块提取所述图像D中与降雨量相关的特征，得到特征图A；
计算目标区特征图A与各候选区特征图A的相似度，得到第三相似度；
计算目标区与各候选区的综合相似度，所述综合相似度由所述第二相似度和所述第三相似度加权得到。
4.根据权利要求3所述用于水库增蓄的声波增雨作业效果评估方法，其特征在于，所述特征提取模块包括依次连接的卷积层、池化层、DenseBlock层、全局平均池化层和输出层；
所述卷积层的包含一个7×7的卷积核，步长为2；
所述池化层的池化窗口为3×3，步长为2；
所述DenseBlock层包括4个依次连接的卷积块，各卷积块包括4个卷积层，各卷积层后连接一个批归一化层和激活函数，卷积块之间通过TransitionBlock层连接；
所述TransitionBlock层包括1个卷积核为1×1的卷积层和1个池化窗口为2×2的平均池化层。
5.根据权利要求3所述用于水库增蓄的声波增雨作业效果评估方法，其特征在于，计算目标区与各候选区的特征图A的相似度，得到第三相似度，具体为：通过归一化互相关匹配算法计算目标区与各候选区的特征图A的第三相似度。
6.根据权利要求1所述用于水库增蓄的声波增雨作业效果评估方法，其特征在于，还包括对声波增雨的效果评估，具体为：其中，Ht为声波增雨作业日目标区降雨量，Hd为声波增雨作业日对比区降雨量，Qi为声波增雨作业日前i日对比区降雨量，Pi为声波增雨作业日前i日目标区降雨量。
7.一种用于水库增蓄的声波增雨作业效果评估系统，包括存储单元和数据处理单元，其特征在于，所述数据处理单元执行如权利要求1‑6任一所述用于水库增蓄的声波增雨作业效果评估方法，对声波增雨作业效果进行评估。
8.一种存储介质，其特征在于，其存储的计算机程序被执行时，实现如权利要求1‑6任一所述用于水库增蓄的声波增雨作业效果评估方法。 说明书 : 用于水库增蓄的声波增雨作业效果评估方法及系统技术领域[0001] 本发明涉及一种用于水库增蓄的声波增雨作业效果评估方法及系统，属于增雨效果评估技术领域。背景技术[0002] 人工增雨技术是指人为促进云滴迅速凝结或碰并增大成雨滴，形成降雨或增加降雨量。人工增雨技术具有农业抗旱、水库增蓄、净化空气等作用。人工增雨效果的评估，对具体业务和人工增雨方法、技术的改进都有重要作用。[0003] 声波增雨是利用声波的能量在云中产生微小的振动或扰动，这些扰动可以增加云内水滴或冰晶的碰撞频率和效率，从而加速水滴的生长过程。当水滴增大到足够重时，会从云中降落形成降水。[0004] 现有的人工增雨作业效果评估包括统计检验、物理检验等手段，但缺少对于以水库增蓄为目标的声波增雨作业效果评估的方法。[0005] 论文《基于降雨时间结构分析的黄河源区声波增雨外场试验效果评价》（应用基础与工程科学学报,2020,28(03):691‑702）提出了外场增雨效果的雨量数据结构化方法和降雨时间序列两段式分解、四段式分解和最小时间分辨率分解等时间结构分析方法。该方法针对的是农业抗旱情况下的声波增雨效果评估，对于以水库增蓄为目的声波增雨，评估结果并不准确。发明内容[0006] 为了克服上述问题，本发明提供一种用于水库增蓄的声波增雨作业效果评估方法及系统。[0007] 本发明的技术方案如下：[0008] 第一方面[0009] 一种用于水库增蓄的声波增雨作业效果评估方法，包括以下步骤：[0010] 根据待评估声波增雨作业内容划定声波增雨的目标区，所述目标区为矩形，在所述目标区外划定若干形状、面积均相同的候选区；[0011] 获取目标区和候选区的地形高程数据；[0012] 获取目标区和候选区内若干雨量站采集的历史降雨时序数据；[0013] 获取声波增雨作业前后目标区和候选区的卫星云图；[0014] 根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区；[0015] 获取目标区的历史降雨时序数据；[0016] 计算声波增雨作业前后对比区的降雨时序数据和目标区的各历史降雨时序数据的相似度，将相似度最高的一次历史降雨时序数据对应的时段作为对比时段；[0017] 根据待评估声波增雨作业的水库增蓄量和所述对比时段的水库增蓄量对本次声波增雨作业的水库增蓄效果进行评估。[0018] 进一步地，获取目标区和候选区内若干雨量站采集的历史降雨时序数据，具体为：[0019] 获取目标区第n个雨量站采集的历史降雨时序数据 ：[0020] ；[0021] 其中， 为目标区第n个雨量站在第M个时段采集的雨量；[0022] 获取第l个候选区的第n个雨量站采集的历史降雨时序数据 ：[0023] ；[0024] 其中， 为第l个候选区的第n个雨量站在第M个时段采集的雨量；[0025] 所述历史降雨时序数据 和所述历史降雨时序数据 在同一次降雨中采集；[0026] 将所述历史降雨时序数据 和历史降雨时序数据 作为一组历史降雨时序数据；[0027] 重复上述步骤，获取若干组历史降雨时序数据。[0028] 进一步地，所述历史降雨时序数据 通过以下方式得到：[0029] 根据历史降雨时序数据 得到目标区的历史降雨时序数据 ：[0030] ；[0031] 其中， 为目标区在第i个时段的雨量；[0032] ；[0033] 其中， 为目标区第N个雨量站在第i个时段采集的雨量，N为目标区的雨量站数量；[0034] 获取第l个候选区的第n个雨量站采集的历史降雨时序数据 ：[0035] ；[0036] 其中， 为第l个候选区的第n个雨量站在第 个时段采集的雨量， 大于M；[0037] 根据历史降雨时序数据 得到第l个候选区的历史降雨时序数据 ：[0038] ；[0039] 其中， 为第l个候选区在第i个时段的雨量；[0040] ；[0041] 其中， 为候选区的雨量站数量；[0042] 从所述历史降雨时序数据 中截取出若干个历史降雨时序数据：[0043] ；[0044] 其中， 为所述历史降雨时序数据 中截取出的第j个历史降雨时序数据，为第l个候选区在第j个时段的雨量， ；[0045] 根据所述历史降雨时序数据 计算目标区的总降雨量；[0046] 根据所述历史降雨时序数据 计算第l个候选区的总降雨量；[0047] 剔除总降雨量不满足预设条件的历史降雨时序数据 ；[0048] 计算所述历史降雨时序数据 与历史降雨时序数据 的相似度，将与历史降雨时序数据 相似度最高的降雨时序数据 对应的时段作为第l个候选区采集历史降雨时序数据 的时段。[0049] 进一步地，根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区，包括：[0050] 将所述目标区和所述候选区划分为若干互不重叠的矩形区域，且目标区和候选区的划分方法相同，各所述矩形区域内均包含一个雨量站；[0051] 通过格拉姆角场将所述矩形区域的一组历史降雨时序数据转换为图像A；[0052] 获取所述目标区与各候选区的历史时序降雨图像，所述历史时序降雨图像包含若干矩形区域，各所述矩形区域被对应的所述图像A拉伸填充；[0053] 计算目标区历史时序降雨图像与各候选区历史时序降雨图像的相似度，得到第一相似度；[0054] 重复上述步骤，计算目标区与各候选区的各组历史降雨时序数据的第一相似度；[0055] 获取目标区与各候选区的第二相似度，所述第二相似度由各所述第一相似度取中位值得到。[0056] 进一步地，根据所述降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区，还包括：[0057] 将所述目标区和所述候选区的地形高程数据转换为灰度图像B；[0058] 将所述目标区和所述候选区的卫星云图转换为灰度图像C；[0059] 叠加所述图像B和所述图像C，得到图像D；[0060] 通过特征提取模块提取所述图像D中与降雨量相关的特征，得到特征图A；[0061] 计算目标区特征图A与各候选区特征图A的相似度，得到第三相似度；[0062] 计算目标区与各候选区的综合相似度，所述综合相似度由所述第二相似度和所述第三相似度加权得到。[0063] 进一步地，所述特征提取模块包括依次连接的卷积层、池化层、DenseBlock层、全局平均池化层和输出层；[0064] 所述卷积层的包含一个7×7的卷积核，步长为2；[0065] 所述池化层的池化窗口为3×3，步长为2；[0066] 所述DenseBlock层包括4个依次连接的卷积块，各卷积块包括4个卷积层，各卷积层后连接一个批归一化层和激活函数，卷积块之间通过TransitionBlock层连接；[0067] 所述TransitionBlock层包括1个卷积核为1×1的卷积层和1个池化窗口为2×2的平均池化层。[0068] 进一步地，计算目标区与各候选区的特征图A的相似度，得到第三相似度，具体为：[0069] 通过归一化互相关匹配算法计算目标区与各候选区的特征图A的第三相似度。[0070] 进一步地，还包括对声波增雨的效果评估，具体为：[0071] ；[0072] 其中， 为声波增雨作业日目标区降雨量， 为声波增雨作业日对比区降雨量，为声波增雨作业日前i日对比区降雨量， 为声波增雨作业日前i日目标区降雨量。[0073] 第二方面[0074] 一种用于水库增蓄的声波增雨作业效果评估系统，包括存储单元和数据处理单元，所述数据处理单元执行如第一方面所述用于水库增蓄的声波增雨作业效果评估方法，对声波增雨作业效果进行评估。[0075] 第三方面[0076] 一种存储介质，其存储的计算机程序被执行时，实现如第一方面所述用于水库增蓄的声波增雨作业效果评估方法。[0077] 本发明具有如下有益效果：[0078] 云层的状态、位置、移动方向和地面地形对降雨影响较大，并且云层和地形的组合也存在对降雨的影响。现有技术通常仅考虑人工增雨的雨量，而忽视了降雨的时序数据。降雨的时序数据可以反应云层的状态，根据降雨时序数据，能够更好的确认对比区。该方法将地形高程数据和卫星云图融合，通过特征提取模块提取出云、地形与降雨量相关的特征，通过该特征计算目标区与候选区的相似度。又通过降雨的时序数据来计算目标区与候选区的相似度，最后综合两者确定对比区。相比于现有技术，考虑的因素更多。[0079] 在确定对比区的降雨时段以后，现有技术通常人为限定候选区降雨时段，以此进行相似度计算。人为限定候选区导致相似度计算结果受主观因素影响过大，且不准确。本方法通过降雨的时序数据与候选若干个时段的降雨时序数据进行对比，选取相似度最高的作为候选区的降雨时段。有效的提高了候选区降雨时段选择的准确性。[0080] 现有技术通常是对增雨效果进行评估，本方法的目的是对声波增雨后的水增蓄效果进行评估，因此，仅通过目标区和对比区在本次声波增雨前后的雨量对比，来评估作业效果，并不能准确的反应水库的增雨作业对水库增蓄的影响。本方法将待评估声波增雨作业前后对比区的降雨情况与目标区历史降雨时序数据进行对比，选取接近的历史降雨时序数据的时段作为对比时段。因此，对比时段内目标区的降雨情况与待评估声波增雨作业前后目标区的降雨情况作为相似，此时进行水库增蓄量的评估最为准确。附图说明[0081] 图1为本发明评估方法的流程图。[0082] 图2为本发明实施例的目标区和候选区。[0083] 图3为本发明实施例的目标区和候选区矩形区域划分示意图。[0084] 图4为本发明实施例的特征提取模块结构示意图。具体实施方式[0085] 下面结合附图和具体实施例来对本发明进行详细的说明。[0086] 为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。[0087] 除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。[0088] 现有技术通过历史降雨数据来选择对比区，该方法仅没有考虑到地形对降雨的影响。实际作业时，地形对降雨的影响极大，特别是多山地区。现有技术仅是对声波增雨的增雨量进行评估，这在农业抗旱等领域效果较好，但是对于以水库增蓄为目的声波增雨作业，增雨量只能作为间接指标，评估结果并不准确。[0089] 本发明通过以下方法克服了上述问题。[0090] 第一方面[0091] 参考图1和2，一种用于水库增蓄的声波增雨作业效果评估方法，包括以下步骤：[0092] 根据待评估声波增雨作业内容划定声波增雨的目标区，所述目标区为矩形，在所述目标区外划定若干形状、面积均相同的候选区；[0093] 获取目标区和候选区的地形高程数据；[0094] 获取目标区和候选区内若干雨量站采集的历史降雨时序数据；[0095] 获取声波增雨作业前后目标区和候选区的卫星云图；[0096] 根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区；[0097] 获取目标区的历史降雨时序数据；[0098] 计算声波增雨作业前后对比区的降雨时序数据和目标区的各历史降雨时序数据的相似度，将相似度最高的一次历史降雨时序数据对应的时段作为对比时段；[0099] 根据待评估声波增雨作业的水库增蓄量和所述对比时段的水库增蓄量对本次声波增雨作业的水库增蓄效果进行评估。[0100] 图2中黑色框选区域为目标区，白色框选区域为候选区。[0101] 该方法根据历史降雨时序数据、地形高程数据和卫星云图，计算目标区与各候选的相似度，将与目标区相似度最高的候选区作为对比区。[0102] 再将本次对比区的降雨时序数据与目标区历史降雨时序数据进行相似度计算，以确定目标区历史上哪个时间段的降雨情况与对比区本次降雨情况最相似。[0103] 此时，对比时段的目标区降雨情况应当与未进行声波增雨情况下的目标区相当。[0104] 因此，直接将对比时段的增蓄效果与本次声波增雨作业的增蓄效果进行对比，能够最精确的评估声波增雨的效果。[0105] 在本发明的一种实施方式中，获取目标区和候选区内若干雨量站采集的历史降雨时序数据，具体为：[0106] 获取目标区第n个雨量站采集的历史降雨时序数据 ：[0107] ；[0108] 其中， 为目标区第n个雨量站在第M个时段采集的雨量；[0109] 获取第l个候选区的第n个雨量站采集的历史降雨时序数据 ：[0110] ；[0111] 其中， 为第l个候选区的第n个雨量站在第M个时段采集的雨量；[0112] 所述历史降雨时序数据 和所述历史降雨时序数据 在同一次降雨中采集；[0113] 将所述历史降雨时序数据 和历史降雨时序数据 作为一组历史降雨时序数据；[0114] 重复上述步骤，获取若干组历史降雨时序数据。[0115] 选择对比区时，需要将各候选区的历史降雨数据与目标区进行相似度计算，选取相似度最高的候选区作为对比区。[0116] 本发明采用的是降雨时序数据，因此，需要选择长度相同的降雨时序数据。一组降雨时序数据采集自同一次降雨，包含了目标区域各候选区在该次降雨中的降雨时序数据。[0117] 对比候选区与目标区时需要确认对比的时段，由于不同的区域降雨时间不完全相同，因此需要单独选取降雨时段。现有技术通常人为选取降雨时段，结果受人的主观因素影响过大。由于本方法采用降雨的时序数据来寻找对比区，因此降雨时段的选择更为重要。[0118] 在本发明的一种实施方式中，所述历史降雨时序数据 通过以下方式得到：[0119] 根据历史降雨时序数据 得到目标区的历史降雨时序数据 ：[0120] ；[0121] 其中， 为目标区在第i个时段的雨量；[0122] ；[0123] 其中， 为目标区第N个雨量站在第i个时段采集的雨量，N为目标区的雨量站数量，即目标区在第i个时段的雨量，由该时段目标区内所有雨量站的均值确定；[0124] 获取第l个候选区的第n个雨量站采集的历史降雨时序数据 ：[0125] ；[0126] 其中， 为第l个候选区的第n个雨量站在第 个时段采集的雨量， 大于M；[0127] 根据历史降雨时序数据 得到第l个候选区的历史降雨时序数据 ：[0128] ；[0129] 其中， 为第l个候选区在第i个时段的雨量；[0130] ；[0131] 其中， 为候选区的雨量站数量，即第l个候选区在第i个时段的雨量，由该时段第l个候选区内所有雨量站的均值确定；[0132] 从所述历史降雨时序数据 中截取出若干个历史降雨时序数据：[0133] ；[0134] 其中， 为所述历史降雨时序数据 中截取出的第j个历史降雨时序数据，为第l个候选区在第j个时段的雨量， ；[0135] 根据所述历史降雨时序数据 计算目标区的总降雨量；[0136] 根据所述历史降雨时序数据 计算第l个候选区的总降雨量；[0137] 剔除总降雨量不满足预设条件的历史降雨时序数据 ；[0138] 计算所述历史降雨时序数据 与历史降雨时序数据 的相似度，将与历史降雨时序数据 相似度最高的降雨时序数据 对应的时段作为第l个候选区采集历史降雨时序数据 的时段。[0139] 该方法先获得一段长于目标区降雨时序数据的候选区降雨时序数据。候选区降雨时序数据选自与目标区降雨时序数据相同的一场雨，通常可以在目标区降雨时序数据的开始时间前5小时，到结束后5小时，这段时间进行选择。[0140] 从这段更长的候选区降雨时序数据选中节选出若干与目标区降雨时序数据等长的数据，并且计算目标区降雨时序数据与各选区降雨时序数据的相似度，从而得到目标区域候选区在一场雨中最相似的降雨时段。提高了降雨时段选择的准确性。[0141] 参考图3，在本发明的一种实施方式中，根据所述历史降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选区的相似度，将与目标区相似度最高的候选区作为对比区，包括：[0142] 将所述目标区和所述候选区划分为若干互不重叠的矩形区域，且目标区和候选区的划分方法相同，各所述矩形区域内均包含一个雨量站；[0143] 通过格拉姆角场将所述矩形区域的一组历史降雨时序数据转换为图像A；[0144] 获取所述目标区与各候选区的历史时序降雨图像，所述历史时序降雨图像包含若干矩形区域，各所述矩形区域被对应的所述图像A拉伸填充；[0145] 计算目标区历史时序降雨图像与各候选区历史时序降雨图像的相似度，得到第一相似度；[0146] 重复上述步骤，计算目标区与各候选区的各组历史降雨时序数据的第一相似度；[0147] 获取目标区与各候选区的第二相似度，所述第二相似度由各所述第一相似度取中位值得到。[0148] 格拉姆角场可以将时间序列转换成图像，将各雨量站采集的时间图像填充在所属的矩形区域，能够得到候选区与降雨时序数据相关的图像。[0149] 由于目标区与候选区的矩形区域划分方法相同，因此进行图像的相似度匹配时，可以考虑到每个矩形区域的降雨时序数据。图3为本发明一实施例的矩形区域划分示意图，各矩形区域内包括一雨量站。[0150] 气象数据和地形数据对降雨的影响都非常重要，并且两者的结合对降雨都存在影响。因此，考虑本次声波增雨作业的情况时，需要将两者综合考虑。[0151] 在本发明的一种实施方式中，根据所述降雨时序数据、所述地形高程数据和所述卫星云图，计算目标区与各候选的相似度，将与目标区相似度最高的候选区作为对比区，还包括：[0152] 将所述目标区和所述候选区的地形高程数据转换为灰度图像B；[0153] 将所述目标区和所述候选区的卫星云图转换为灰度图像C；[0154] 叠加所述图像B和所述图像C，得到图像D；[0155] 通过特征提取模块提取所述图像D中与降雨量相关的特征，得到特征图A；[0156] 计算目标区特征图A与各候选区特征图A的相似度，得到第三相似度；[0157] 计算目标区与各候选区的综合相似度，所述综合相似度由所述第二相似度和所述第三相似度加权得到。[0158] 在一具体实施例中，叠加所述图像B和所述图像C，为将图像B和图像C分别做50%透明后再叠加。[0159] DenseNet是一种卷积神经网络架构，在图像的特征提取上有较好的效果。[0160] 参考图4，在本发明一种实施方式中，所述特征提取模块包括依次连接的卷积层、池化层、DenseBlock层、全局平均池化层和输出层；[0161] 所述卷积层的包含一个7×7的卷积核，步长为2；[0162] 所述池化层的池化窗口为3×3，步长为2；[0163] 所述DenseBlock层包括4个依次连接的卷积块，各卷积块包括4个卷积层，各卷积层后连接一个批归一化层和激活函数，卷积块之间通过TransitionBlock层连接；[0164] 所述TransitionBlock层包括1个卷积核为1×1的卷积层和1个池化窗口为2×2的平均池化层。[0165] 进行人工增雨作业效果评估时，人为划定目标区，常规的评估可以根据需要进行目标区划定，主要考虑数据采集和处理的难易程度以及增雨作业的影响范围。在用于水库增蓄的人声波增雨作业中，目标区的划分更为复杂，因为水库自身面积较大、形状不规则，而且部分水库增蓄不直接来源于水库水面区域的降雨，而是水流汇入。因此划定目标区时，通常需要划定一个较大的范围。[0166] 由于地形高程数据和卫星云图的分辨率较高，划定范围过大，会导致数据处理困难，因此需要对数据进行下采样处理，以降低分辨率。[0167] 除了下采样处理话，本方法通过所述卷积层和所述池化层进一步降低图像尺寸。[0168] 计算目标区特征图A与各候选区特征图A的相似度，得到第三相似度，可以通过角点特征进行图像的相似度计算。[0169] 在本发明的一种实施方式，计算目标区与各候选区的特征图A的相似度，得到第三相似度，具体为：[0170] 通过归一化互相关匹配算法计算目标区与各候选区的特征图A的第三相似度。[0171] 在本发明的一种实施方式中，还包括对声波增雨的效果评估，具体为：[0172] ；[0173] 其中， 为声波增雨作业日目标区降雨量， 为声波增雨作业日对比区降雨量，为声波增雨作业日前i日对比区降雨量， 为声波增雨作业日前i日目标区降雨量。[0174] 在本发明的一种实施方式中，计算声波增雨作业前后对比区的降雨时序数据和目标区的各历史降雨时序数据的相似度，将相似度最高的一次历史降雨时序数据对应的时段作为对比时段，具体为：[0175] 将所述目标区和所述对比区重新划分为若干互不重叠的矩形区域，且目标区和候选区的划分方法相同，各所述矩形区域内均包含一个雨量站，且雨量站靠近矩形的中心；[0176] 通过格拉姆角场将声波增雨作业前后对比区的降雨时序数据和目标区的各历史降雨时序数据转换为图像E；[0177] 获取所述目标区的各历史时序降雨图像和对比区在声波增雨作业前后的降雨图像，所述降雨图像包含若干矩形区域，各所述矩形区域被对应的所述图E拉伸填充；[0178] 计算对比区声波增雨作业前后的降雨图像与目标区各历史时序降雨图像的相似度，将相似度最高的一次历史时序降雨图像对应的时段作为对比时段。[0179] 选取对比区时，对目标区和候选区要进行相同的矩形区域划分，由于雨量站分布位置不同，进行矩形区域划分时要考虑各候选区和目标区包含的雨量站，划分的矩形区域数量较少，以保证各候选区和目标区的矩形区域均有雨量站。且此时雨量站不一定位于矩形区域中心。因此进行图像的相似度计算时，不能很好的反应降雨的分布。[0180] 该步骤对目标区和对比区重新进行矩形区域划分，可以根据雨量站分布情况尽可能多的划分矩形区域，并且尽可能的让雨量站靠近矩形中心。[0181] 该方法可以更好的反应降雨的分布情况。[0182] 第二方面[0183] 一种用于水库增蓄的声波增雨作业效果评估系统，包括存储单元和数据处理单元，所述数据处理单元执行第一方面所述用于水库增蓄的声波增雨作业效果评估方法，对声波增雨作业效果进行评估。[0184] 第三方面[0185] 一种存储介质，其存储的计算机程序被执行时，实现如第一方面所述用于水库增蓄的声波增雨作业效果评估方法。[0186] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

专利地区：福建

专利申请日期：2024-09-13

专利公开日期：2024-11-29

专利公告号：CN118780650B