(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210909459.8 (22)申请日 2022.07.29 (65)同一申请的已公布的文献号 申请公布号 CN 114997534 A (43)申请公布日 2022.09.02 (73)专利权人 长江水利委员会水文局 地址 430010 湖北省武汉市江岸区永清街 道解放大道186 3号 (72)发明人 冯宝飞　陈瑜彬　李玉荣　张潇　 许银山　田逸飞　王乐　张涛　 曾明　李洁　严方家　杨雁飞　 秦昊　牛文静　徐雨妮　 (74)专利代理 机构 北京中先生知识产权代理事 务所(普通 合伙) 16063 专利代理师 窦贤宇 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06V 10/74(2022.01) G06F 16/583(2019.01) G06F 16/587(2019.01)(56)对比文件 CN 110852526 A,2020.02.28 CN 112508237 A,2021.0 3.16 CN 112801342 A,2021.0 5.14 CN 111832810 A,2020.10.27 CN 111948739 A,2020.1 1.17 CN 111008259 A,2020.04.14 CN 112785053 A,2021.0 5.11 US 202126 3187 A1,2021.08.26 JP 2021076 565 A,2021.0 5.20 王丽娟.基 于大数据分析方法的汉江流 域安 康段洪水 预报研究. 《中国博士学位 论文全文数 据库 基础科 学辑》 .2020, L.Brocca.Distributed rai nfall-runoff modeling for fl ood frequency estimati on and flood forecasti ng. 《Hydro logical Processes》 .201 1, 常远勇等.基 于TRMM 3B42数据的19 98-2010 年中国暴 雨时空特 征分析. 《水资源与水工程学 报》 .2013,(第0 3期), 审查员 罗玲莉 (54)发明名称 基于视觉特征的相似降雨预报方法和设备 (57)摘要 本申请公开了一种基于视觉特征的相似降 雨预报方法和设备， 所述方法包括构建历史降雨 图片库， 提取历史降雨视觉特征； 所述历史降雨 视觉特征包括总降雨量、 降雨空间分布和降雨中 心； 构建当前降雨图片集， 提取当前降雨视觉特 征， 对所述历史降雨视觉特征和当前降雨视觉特 征的距离进行度量， 计算当前降雨视觉特征与每 一时期历史降雨视觉特征的降雨相似度； 为各个 降雨相似度赋予权重， 获得综合降雨相似度， 并 排序输出。 本申请可更加直观 地展示降雨数据空 间特征， 同时提高了数据处理的速度和相似度对 比的精确度。 权利要求书3页 说明书9页 附图3页 CN 114997534 B 2022.10.21 CN 114997534 B 1.基于视觉特征的相似降雨预报方法， 其特 征在于， 包括如下步骤： S1、 构建历史降雨图片库， S11、 采集预定区域多个时期内的历史降雨数据， 并基于历史降雨数据绘制若干组历史 降雨分布图； 所述 步骤S11进一步为： 获取预定区域的地理数据和各个时期各雨量站的降雨数据； 基于地理数据绘制预定区 域的地图并栅格化； 基于降雨数据为 栅格化地图填充颜色参数， 获得历史降雨分布图； S12、 基于每组所述历史 降雨分布图， 提取历史降雨视觉特征； 所述历史降雨视觉特征 包括总降雨 量、 降雨空间分布和降雨中心； 所述 步骤S12进一 步为： 读取所述历史降雨分布图， 转换为灰度图， 再根据降雨等级设定灰度图的数值区间， 将 灰度图转换为 N×N灰度图片矩阵； 根据降雨 等级， 将灰度图片矩阵二 值化， 获得不同降雨 等级对应的二 值化降雨矩阵； 所述总降雨 量RT为： ； 式中，k为各张历史降雨分布图中颜色的数量； p （Ci）为第i种颜色出现的频次， v （Ci）为 第i种颜色对应的降雨 量数值； 所述降雨空间分布 R为： ； m、 n为各张历史降雨分布图进行分块后的行数和 列数；rm×n为第m行n列对应的分块的降 雨量数值； 所述降雨中心 C= （Cx，Cy） ； 式中， ，rba为第b行第a列的降雨量数值， m、 n为各张历史降 雨分布图进行分块后的行 数和列数； S2、 构建当前降雨图片集， 提取当前降雨视 觉特征， S3、 对所述历史降雨视觉特征和当前降雨视觉特征的距离进行度量， 计算当前降雨视 觉特征与每一时期历史降雨视觉特征 的降雨相似度； 为各个降雨相似度赋予权重， 获得综 合降雨相似度， 并排序输出； 其中， 计算当前降雨视觉特征与每一 时期历史降雨视觉特征的降雨相似度的过程进一 步为： 步骤S31、 采用闵可 夫斯基距离 d1计算预定流 域的总降雨 量相似度， d1=∆RT； 步骤S32、 采用欧式距离 d2计算预定流 域的降雨中心相似度， ； （C1x， C1y） 、 （C2x， C2y） 分别为第一降雨中心和第二 降雨中心； 步骤S33、 采用分块区域降雨近似率表示降雨空间分布近似率： 步骤S330、 确定两个降雨空间分布R中两个分块是否相似；权　利　要　求　书 1/3 页 2 CN 114997534 B 2分别读取两个分块的 降雨量数值， 其中较大值为max， 较小值为min， 定义雨量差比例为 （max‑min） /max， 雨 量差比例的阈值 为α， 则雨 量差比例小于等于阈值时， 两个分块相似； 步骤S331、 计算两个降雨空间分布R中相似分块的对数； 重复步骤S330， 计算出两个降雨空间分布R中所有分块的相似度， 并统计相似分块的数 量； 步骤S332、 计算降雨空间分布近似率； 设每一降雨空间分布中有c个分块， 其中两个降 雨空间分布中有d对分块 为相似分块， 则两个降雨空间分布近似率 为 （1‑d/c） ； 或者， 所述计算当前降雨视觉特征与每一历史时期降雨视觉特征的降雨相似度的过程 进一步为： 获取预定区域的水系特 征数据， 依据水系特 征将预定区域分成预定数量个子分区； 分别计算当前各个子分区的面雨量， 并组合成面雨量矩阵， 并进一步计算预定区域的 总雨量； 基于历史降雨数据和水系特征分别计算历史各个时期各个子分区的面雨量， 并组合成 面雨量矩阵， 并进一 步计算预定区域的总雨 量； 计算当前面雨量矩阵以及历史上各个时期面雨量矩阵的欧式距离， 以欧式距离作为相 似度数值并降序排列。 2.如权利要求1所述的基于视觉特征的相似降雨预报方法， 其特征在于， 所述步骤S3 中 为各个降雨相似度赋予权 重， 获得综合降雨相似度的过程进一 步包括： 当计算单日降雨相似度时， 采用主客观集成赋权法： 选取部分 当前降雨图片集作为标注样本进行 数据标注： 每个标注样本与历史降雨图片库中所有样本的相似性 程度进行打 分； 对标注样本的各个降雨视觉特征指标根据随机权重线性加权， 得到评价结果， 根据评 价结果和标注结果计算得到NDCG@K值， 使用粒子群算法寻得最优权重， 使得整个标注样本 的平均NDCG值 最大。 3.如权利要求2所述的基于视觉特征的相似降雨预报方法， 其特征在于， 当计算多日降 雨相似度时， 采用如下搜索方法： 输入长度为e的当前降雨视觉特征序列Q和长度为 f的某一时期的历史降雨视觉特征序 列S， 其中e小于f； 使用大小为e的窗口在历史降雨视觉特征序列S上滑动， 滑动步长为1， 将每次窗口中的 序列作为子序列， 得到序列集； 采用加权动态时间弯曲算法求得当前降雨视觉特征序列Q与序列集中每个子序列P之 间的距离， 序列中任意两点的距离使用单日降雨特 征多元特征距离度量方法计算； 根据距离大小对所有子序列进行排序， 得到指定个数距离最小的子序列作为搜索结 果。 4.如权利要求2所述的基于 视觉特征的相似降雨预报方法， 其特 征在于， 还 包括： S333、 读取步骤S332中的相似分块， 各自将两种降雨图片相邻的相似分块进行连通， 形 成至少一个相似域； 分别判断当前历史降雨分布图和历史降雨分布图的降雨中心是否位于相似域中； 如位于相似域中， 则计算相似域的最大半径， 通过相似域最大半径计算广义相似面积，权　利　要　求　书 2/3 页 3 CN 114997534 B 3