基于机器学习的北斗GNSS降雨预报装置及预报方法

本发明涉及gnss气象学，尤其涉及一种基于机器学习的北斗gnss降雨预报装置及预报方法。

背景技术：

1、大气水汽是许多天气系统(如云、降水、台风等)形成的必要物质基础和重要动力因子，强降水等极端天气往往伴随明显的水汽变化特征，因此大气水汽的精准探测对于极端天气的短期预报具有重要意义。相比于传统的水汽观测方式如无线电探空仪等，地基全球导航卫星系统(global navigation satellite system，gnss)水汽反演技术具有低成本、高精度、高时空分辨率的综合优势。结合北斗/gnss最新技术发展，在降雨预报中引入北斗/gnss水汽产品可以为模型提供更多的气象信息，提升预报水平。

2、目前主流天气预报系统主要依赖数值天气模式进行同化预报，即使用数值方法对大量气象观测资料进行同化，并对大气状态变化进行求解，进而得到大气状态的预报值。目前这种方法在业务应用中存在一些问题：

3、(1)数值天气预报方法需要采用中心服务器集中式处理的模式，即各地观测设备通过网络向数据中心进行数据传输，中心服务器再使用这些资料对数值天气模式进行同化以及预报。这种方式时效性较低，稳定性较低，且一旦中心服务器出现故障，容易造成产品的整体缺失，不利于系统的业务化连续运行。

4、(2)数值天气预报方法得到的预报结果通常空间分辨率较低。目前主流的全球天气预报系统的空间分辨率通常为0.5°×0.5°或更低，区域天气预报系统通常为3km×3km或更低，难以满足更为精细化天气预报的需求。

5、(3)数值天气预报准确性受地形影响较大，目前数值模式中使用的地形数据通常分辨率较低，山脉等高程变化幅度大的地形可能严重影响预报精度，所以传统天气预报在山脉等地形附近准确性较低。

6、(4)目前天气预报中使用的水汽观测资料主要是无线电探空资料，无线电探空资料观测精度较高，但数据时空分辨率较低，包含的水汽空间分布和时间变化信息较少。目前天气预报业务系统中较少使用包含gnss水汽产品的观测资料，gnss水汽产品具有高时空分辨率和高精度的特点，可以为系统引入更丰富的水汽信息。

7、(5)观测设备无法脱离地面通信网络。目前的气象观测设备需要依靠网络将数据传输至计算中心进行统一处理，因此在海洋、无人区或网络环境较差的山区设备无法实现观测数据的实时回传，这导致在这些区域往往缺乏有效的实时观测数据，进而使模式中观测资料分布不佳，降低了相应区域的预报精度。而随着我国北斗三号系统组网的建成，提供精密单点定位(b2b ppp)、全球短报文通信(global system for mobile communications，gsmc)等多种服务，可以实现无地面通信网络支持的gnss水汽解算和结果回传。

8、因此，需要提出一种基于gnss技术的综合降雨预报装置及对应的降雨预报方法。

技术实现思路

1、本发明提供一种基于机器学习的北斗gnss降雨预报装置及预报方法，用以解决现有技术中存在的缺陷。

2、第一方面，本发明提供一种基于机器学习的北斗gnss降雨预报装置，包括：

3、安装于外壳表面的北斗/gnss天线、气象传感器和北斗收发天线，以及安装于外壳内部的射频前端模块、基带信号处理模块、b2b信号解析模块、气象数据采集器、嵌入式核心板、网络通信模块、串口通信模块和北斗短报文通信模块，其中，所述基带信号处理模块、所述b2b信号解析模块、所述气象数据采集器、所述网络通信模块、所述串口通信模块、所述北斗短报文通信模块与嵌入式核心板相连接，所述基带信号处理模块与所述射频前端模块相连接，所述射频前端模块、所述b2b信号处理模块分别与所述北斗/gnss天线相连接，所述气象数据采集器与所述气象传感器相连接；

4、所述嵌入式核心板进行北斗/gnss数据处理、水汽产品生成、基于机器学习的降雨预报和预报结果的存储以及转发；

5、所述北斗/gnss天线接收北斗/gnss卫星原始信号，并将所述北斗/gnss卫星原始信号传输给所述射频前端模块以及所述b2b信号解析模块；

6、所述射频前端模块对所述北斗/gnss卫星原始信号进行低噪声放大及下变频处理得到基带信号，将所述基带信号传输至所述基带信号处理模块；

7、所述基带信号处理模块处理所述基带信号得到基带数字信号，将所述基带数字信号传输至所述嵌入式核心板；

8、所述b2b信号解析模块接收所述北斗/gnss天线发送的北斗b2b增强信号，根据b2b接口协议对所述北斗b2b增强信号进行解码得到北斗/gnss精密轨道钟差产品，将所述北斗/gnss精密轨道钟差产品传输至所述嵌入式核心板；

9、所述气象传感器采集气象要素模拟信号，将所述气象要素模拟信号发送至所述气象数据采集器；

10、所述气象数据采集器将所述气象要素模拟信号转换为气象要素数字信号后，发送至所述嵌入式核心板；

11、所述网络通信模块在装置处于网络可用环境时，通过地面网络接收精密轨道钟差产品，将所述精密轨道钟差产品传输至所述嵌入式核心板，接收所述嵌入式核心板传输的实时预报结果并将所述实时预报结果进行网络对外传输；

12、所述串口通信模块通过串口通信完成软件调试工作以及结果数据的对外传输；

13、所述北斗短报文通信模块接收实时降雨预报结果，将所述实时降雨预报结果编译为短报文数据，通过相连的所述北斗收发天线将所述短报文数据对外播发。

14、根据本发明提供的一种基于机器学习的北斗gnss降雨预报装置，所述嵌入式核心板包括依次相连接的ppp模块、水汽反演模块、模型预报模块和存储模块；

15、所述ppp模块分别与所述基带信号处理模块、所述b2b信号解析模块以及所述网络通信模块相连接；

16、所述水汽反演模块、所述模型预报模块分别与所述气象数据采集器相连接；

17、所述存储模块分别与所述网络通信模块、所述串口通信模块以及所述北斗短报文通信模块相连接；

18、所述北斗短报文通信模块与所述北斗收发天线相连接。

19、根据本发明提供的一种基于机器学习的北斗gnss降雨预报装置，所述气象传感器包括风速仪、风向仪、雨量计、湿度计、温度计和气压计；

20、所述风速仪采集风速，所述风向仪采集风向，所述雨量计采集雨量，所述湿度计采集湿度，所述温度计采集气温，所述气压计采集气压；

21、将所述气温和所述气压通过所述气象数据采集器传输至所述水汽反演模块，将所述气温、所述风速、所述风向、所述湿度和所述雨量传输至所述模型预报模块；

22、所述水汽反演模块接收所述ppp模块发送的实时高精度对流层天顶总延迟ztd数据和坐标估值以及所述气象数据采集器发送的所述气温以及所述气压，采用高精度水汽反演算法得到实时大气水汽产品，将所述实时大气水汽产品传输至所述模型预报模块；

23、所述模型预报模块接收所述实时大气水汽产品和所述气象数据采集器传输的实时气象观测数据，基于预训练的神经网络模型得到降雨预报结果，将所述降雨预报结果传输至所述存储模块；

24、所述存储模块实时存储北斗/gnss原始观测数据、网络数据流、所述实时大气水汽产品和所述降雨预报结果，将所述降雨预报结果分别发送至所述网络通信模块、所述串口通信模块和所述北斗短报文通信模块。

25、根据本发明提供的一种基于机器学习的北斗gnss降雨预报装置，还包括电源模块和显示模块；

26、所述电源模块为装置提供电压支持；

27、所述显示模块提供可视化界面，通过所述可视化界面对实时大气水汽产品和降雨预报结果进行展示，对装置运行状态进行监控以及对装置功能进行控制。

28、第二方面，本发明还提供一种基于机器学习的北斗gnss降雨预报方法，包括：

29、获取北斗/gnss原始观测数据，采用turboedit方法对所述北斗/gnss原始观测数据进行预处理，得到预处理北斗/gnss观测数据；

30、对所述预处理北斗/gnss观测数据进行参数估计，获取对流层天顶总延迟ztd产品及位置信息；

31、对所述ztd产品及位置信息进行大气水汽反演，获得大气水汽产品；

32、获取气象要素集合，利用stacked lstm模型处理所述气象要素集合和所述大气水汽产品，得到降雨预报结果。

33、根据本发明提供的一种基于机器学习的北斗gnss降雨预报方法，获取北斗/gnss原始观测数据，采用turboedit方法对所述北斗/gnss原始观测数据进行预处理，得到预处理北斗/gnss观测数据，包括：

34、获取所述北斗/gnss原始观测数据中的伪距和相位观测数据，对所述伪距和所述相位观测数据进行短弧段判断，获得多个信号参数；

35、利用所述多个信号参数构建gf组合观测值和mw组合观测值；

36、基于所述gf组合观测值的当前历元观测值与前一历元观测值的差值绝对值进行周跳检测，基于所述mw组合观测值的当前历元观测值与前一历元观测值的差值进行周跳检测，采用预设阈值对所述gf组合观测值和所述mw组合观测值进行筛选，输出所述预处理北斗/gnss观测数据。

37、根据本发明提供的一种基于机器学习的北斗gnss降雨预报方法，利用所述多个信号参数构建gf组合观测值和mw组合观测值，包括：

38、由第一信号载波波长、第二信号载波波长、第一信号频率上载波相位观测值和第二信号频率上载波相位观测值构建所述gf组合观测值；

39、由所述第一信号载波波长、所述第二信号载波波长、所述第一信号频率上载波相位观测值、所述第二信号频率上载波相位观测值、第一信号载波频率、第二信号载波频率、第一信号伪距观测值、第二信号伪距观测值、接收机预卫星之间几何距离、第一信号电离层延迟量、第一信号整周未知数、第二信号整周未知数、第一信号和第二信号频率平方比值构建mw组合观测值。

40、根据本发明提供的一种基于机器学习的北斗gnss降雨预报方法，对所述预处理北斗/gnss观测数据进行参数估计，获取对流层天顶总延迟ztd产品及位置信息，包括：

41、确定所述预处理北斗/gnss观测数据包括北斗/gnss观测数据、北斗/gnss预报轨道产品和北斗/gnss实时钟差产品；

42、获取表文件，通过误差改正模型对所述表文件进行误差改正，得到改正后表文件；

43、将所述表文件输入先验气温气压模型后，结合气象观测数据，采用saastamoinen模型计算获得先验zhd；

44、基于srif算法对所述预处理北斗/gnss观测数据、所述改正后表文件和所述先验zhd进行ppp参数估计，得到所述ztd产品及位置信息。

45、根据本发明提供的一种基于机器学习的北斗gnss降雨预报方法，对所述ztd产品及位置信息进行大气水汽反演，获得大气水汽产品，包括：

46、从所述ztd产品中去除zhd分量，获得天顶非静力延迟zwd分量；

47、将所述zwd分量转换为大气水汽产品pwv。

48、根据本发明提供的一种基于机器学习的北斗gnss降雨预报方法，获取气象要素集合，利用stacked lstm模型处理所述气象要素集合和所述大气水汽产品，得到降雨预报结果，包括：

49、构建所述stacked lstm模型，所述stacked lstm模型中每个时间步包括第一lstm单元和第二lstm单元，所述第一lstm单元的输出为所述第二lstm单元的输入；

50、获取多个测站的长时间序列坐标，将所述长时间序列坐标、所述气象要素集合和所述大气水汽产品划分为训练集、验证集和测试集；

51、利用所述训练集、所述验证集和所述测试集对所述stacked lstm模型依次进行训练、验证以及测试，根据测试结果调整网络超参数，得到降雨预测模型；

52、由所述降雨预测模型输出所述降雨预报结果。

53、本发明提供的基于机器学习的北斗gnss降雨预报装置及预报方法，装置具有可靠稳定性、良好时效性和良好适应性的特点，实现了单站独立处理、不依赖网络通信、不依赖计算中心以及探测与预报一体化的功能。

技术特征：

1.一种基于机器学习的北斗gnss降雨预报装置，其特征在于，包括：安装于外壳表面的北斗/gnss天线、气象传感器和北斗收发天线，以及安装于外壳内部的射频前端模块、基带信号处理模块、b2b信号解析模块、气象数据采集器、嵌入式核心板、网络通信模块、串口通信模块和北斗短报文通信模块，其中，所述基带信号处理模块、所述b2b信号解析模块、所述气象数据采集器、所述网络通信模块、所述串口通信模块、所述北斗短报文通信模块与嵌入式核心板相连接，所述基带信号处理模块与所述射频前端模块相连接，所述射频前端模块、所述b2b信号处理模块分别与所述北斗/gnss天线相连接，所述气象数据采集器与所述气象传感器相连接；

2.根据权利要求1所述的基于机器学习的北斗gnss降雨预报装置，其特征在于，所述嵌入式核心板包括依次相连接的ppp模块、水汽反演模块、模型预报模块和存储模块；

3.根据权利要求2所述的基于机器学习的北斗gnss降雨预报装置，其特征在于，所述气象传感器包括风速仪、风向仪、雨量计、湿度计、温度计和气压计；

4.根据权利要求1所述的基于机器学习的北斗gnss降雨预报装置，其特征在于，还包括电源模块和显示模块；

5.一种基于机器学习的北斗gnss降雨预报方法，运行于权利要求1至4中任一所述基于机器学习的北斗gnss降雨预报装置，其特征在于，包括：

6.根据权利要求5所述的基于机器学习的北斗gnss降雨预报方法，其特征在于，获取北斗/gnss原始观测数据，采用turboedit方法对所述北斗/gnss原始观测数据进行预处理，得到预处理北斗/gnss观测数据，包括：

7.根据权利要求6所述的基于机器学习的北斗gnss降雨预报方法，其特征在于，利用所述多个信号参数构建gf组合观测值和mw组合观测值，包括：

8.根据权利要求5所述的基于机器学习的北斗gnss降雨预报方法，其特征在于，对所述预处理北斗/gnss观测数据进行参数估计，获取对流层天顶总延迟ztd产品及位置信息，包括：

9.根据权利要求5所述的基于机器学习的北斗gnss降雨预报方法，其特征在于，对所述ztd产品及位置信息进行大气水汽反演，获得大气水汽产品，包括：

10.根据权利要求5所述的基于机器学习的北斗gnss降雨预报方法，其特征在于，获取气象要素集合，利用stacked lstm模型处理所述气象要素集合和所述大气水汽产品，得到降雨预报结果，包括：

技术总结
本发明提供一种基于机器学习的北斗GNSS降雨预报装置及预报方法，装置包括：北斗/GNSS天线、射频前端模块、基带信号处理模块、B2b信号解析模块、气象传感器、气象数据采集器、嵌入式核心板、网络通信模块、串口通信模块、北斗短报文通信模块、电源模块、显示模块以及北斗收发天线；气象传感器包含风速仪、风向仪、雨量计、湿度计、温度计以及气压计；嵌入式核心板包含PPP模块、水汽反演模块、模型预报模块以及存储模块。本发明通过具有可靠稳定性、良好时效性、良好适应性的基于机器学习的北斗/GNSS降雨预报装置，该装置的特点包括单站独立处理、不依赖网络通信、不依赖计算中心以及探测与预报一体化。

技术研发人员：楼益栋,张卫星,刘梦杰,邹旭
受保护的技术使用者：武汉大学
技术研发日：
技术公布日：2024/9/23