降雨预报的方法、装置、设备以及存储介质
阅读说明：本技术 降雨预报的方法、装置、设备以及存储介质 (Rainfall forecasting method, device, equipment and storage medium ) 是由 刘媛媛 刘业森 姜晓明 臧文斌 李匡 李敏 刘云华 韩刚 张玉英 霍风霖 郜银梁 于 2020-05-27 设计创作，主要内容包括：本申请公开了一种降雨预报的方法、装置、设备以及存储介质,属于预测降雨的人工智能技术领域。所述方法包括：获取待预测地域的预测环流场信息,预测环流场信息记载了未来多个时间点的环流场特征；对预测环流场信息对应的特征数组进行降维处理,得到预测环流场信息对应的未来特征降维数组；在预先建立的历史环流场样本库中,查找出与未来特征降维数组相似度最高的相似历史特征降维数组；基于相似历史特征降维数组对应的历史降雨情况,预测待预测地域的未来降雨情况。采用本申请,可以对中长期的降雨情况进行准确的预测。(The application discloses a rainfall forecasting method, device, equipment and storage medium, and belongs to the technical field of artificial intelligence for forecasting rainfall. The method comprises the following steps: acquiring the information of a predicted circulating current field of a region to be predicted, wherein the predicted circulating current field information records the characteristics of the circulating current field at a plurality of time points in the future; performing dimensionality reduction processing on the feature array corresponding to the predicted circulation field information to obtain a future feature dimensionality reduction array corresponding to the predicted circulation field information; searching out a similar historical feature dimension reduction array with the highest similarity to a future feature dimension reduction array in a pre-established historical circulation field sample library; and predicting the future rainfall condition of the region to be predicted based on the historical rainfall condition corresponding to the similar historical characteristic dimension reduction array. By the adoption of the method and the device, the rainfall conditions in the medium-long term can be accurately predicted.)
技术领域
本申请属于预测降雨的人工智能技术领域，特别涉及一种降雨预报的方法、装置、设备以及存储介质。
背景技术
在全球变暖的背景下，暴雨灾害在世界范围内都已经成为一个不可忽视的问题，因此，提高对暴雨天气的预报的准确性变得尤其的重要。
在现有技术中，一般通过对雷达回波图进行分析，进而对降雨情况进行预报。或者，根据数值预报的结果对降雨情况进行预报。
在实现本申请的过程中，发明人发现相关技术至少存在以下问题：
对于根据雷达回波图对降雨情况进行预报方法，该方法对3h-6h之内的短期降雨情况预报较为准确，而对于24h、36h或72h的中长期降雨情况的预报存在较大的误差。对于使用数值天气预报的方法，由于数值预报使用的数值方法、初始条件、模式对非线性物理过程描述以及大气本身可预测程度等不确定性原因，数值预报的结果与实际观测相比仍然存在较大误差。
发明内容
为了解决相关技术中存在的技术问题，本申请实施例提供了一种降雨预报的方法、装置、设备以及存储介质。
第一方面，本申请实施例提供了一种降雨预报的方法，所述方法包括：
获取待预测地域的预测环流场信息，所述预测环流场信息记载了未来多个时间点的环流场特征；
对所述预测环流场信息对应的特征数组进行降维处理，得到所述预测环流场信息对应的未来特征降维数组；
在预先建立的历史环流场样本库中，查找出与所述未来特征降维数组相似度最高的相似历史特征降维数组，所述历史环流场样本库存储了对应的历史特征降维数组和历史降雨情况，所述历史特征降维数组和所述未来特征降维数组的维度相同；
基于所述相似历史特征降维数组对应的历史降雨情况，预测所述待预测地域的未来降雨情况。
可选的，所述方法还包括：
获取所述待预测地域的多个历史预测环流场信息；
根据局部线性嵌入算法对所述多个历史预测环流场信息对应的历史特征数组进行降维，得到降维权重系数和每个历史特征数组被基于所述降维权重系数降维变换得到的历史特征降维数组；
将每个历史预测环流场信息对应的历史特征降维数组和历史降雨情况存储至所述历史环流场样本库中。
可选的，所述对所述预测环流场信息对应的特征数组进行降维处理，得到所述预测环流场信息对应的未来特征降维数组，包括：
将所述预测环流场信息对应的特征数组基于所述降维权重系数进行降维变换，得到所述预测环流场信息对应的未来特征降维数组。
可选的，所述环流场特征包括压力场、风速场、温度场、湿度场和风向场分别对应的特征中的一种或多种。
可选的，所述预测环流场信息对应的特征数组为
其中，Pt1、Pt2...Ptn表示所述预测环流场信息中的未来第1、2...n个时间点对应的压力场特征，Ut1、Ut2...Utn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风速场特征，Tt1、Tt2...Ttn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Rt1、Rt2...Rtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Dt1、Dt2...Dtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风向场特征。
可选的，所述历史降雨情况包括：
对应历史时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情中的一种或多种。
第二方面，本申请实施例提供了一种降雨预报的装置，所述装置包括：
获取模块，被配置为获取待预测地域的预测环流场信息，所述预测环流场信息记载了未来多个时间点的环流场特征；
降维模块，被配置为对所述预测环流场信息对应的特征数组进行降维处理，得到所述预测环流场信息对应的未来特征降维数组；
查找模块，被配置为在预先建立的历史环流场样本库中，查找出与所述未来特征降维数组相似度最高的相似历史特征降维数组，所述历史环流场样本库存储了对应的历史特征降维数组和历史降雨情况，所述历史特征降维数组和所述未来特征降维数组的维度相同；
预测模块，被配置为基于所述相似历史特征降维数组对应的历史降雨情况，预测所述待预测地域的未来降雨情况。
可选的，所述装置还包括存储模块，被配置为：
获取所述待预测地域的多个历史预测环流场信息；
根据局部线性嵌入算法对所述多个历史预测环流场信息对应的历史特征数组进行降维，得到降维权重系数和每个历史特征数组被基于所述降维权重系数降维变换得到的历史特征降维数组；
将每个历史预测环流场信息对应的历史特征降维数组和历史降雨情况存储至所述历史环流场样本库中。
可选的，所述降维模块，被配置为：
将所述预测环流场信息对应的特征数组基于所述降维权重系数进行降维变换，得到所述预测环流场信息对应的未来特征降维数组。
可选的，所述环流场特征包括压力场、风速场、温度场、湿度场和风向场分别对应的特征中的一种或多种。
可选的，所述预测环流场信息对应的特征数组为
其中，Pt1、Pt2...Ptn表示所述预测环流场信息中的未来第1、2...n个时间点对应的压力场特征，Ut1、Ut2...Utn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风速场特征，Tt1、Tt2...Ttn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Rt1、Rt2...Rtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Dt1、Dt2...Dtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风向场特征。
可选的，所述历史降雨情况包括：
对应历史时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情中的一种或多种。
第三方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行，以实现第一方面所述的降雨预报的方法所执行的操作。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现如第一方面所述的降雨预报的方法所执行的操作
本申请实施例提供的技术方案带来的有益效果至少包括：
本申请实施例提供的方法，通过在历史环流场样本库中查找出与未来特征降维数组相似度最高的相似历史特征降维数组，进而基于该相似历史特征降维数组对应的历史降雨情况，预测待预测地域的未来降雨情况。由于在数值预报中的环流场对应的数据的准确度高，且数值预报环流场是对未来多个时间点的天气形势的预报和描述，因此通过识别与未来多个时间点相似的相似历史环流场，根据该相似历史环流场对应的降雨情况可以准确的对未来降雨情况进行预测。同时，由于本实施例提供的方法对环流场信息对应的特征数组进行了降维，提高了相似度的计算效率和准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种降雨预报的方法流程图；
图2是本申请实施例提供的一种降雨预报的结构示意图；
图3是本申请实施例提供的一种终端结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在现有技术中使用数值天气预报的方法，对天气进行预报时，由于数值预报使用的数值方法、初始条件、模式对非线性物理过程描述以及大气本身可预测程度等不确定性原因，数值预报的结果与实际观测相比仍然存在较大误差。但是由于在数值预报中的预测环流场信息可以对未来天气形势准确的描述，因此，本申请通过数值预报中的预测环流场信息，确定出与该预测环流场信息相似度最高的历史环流场信息，进而根据该历史环流场信息对应的降雨情况，对未来的降雨情况进行准确预测。
如图2所示，本申请实施例提供了一种降雨预报的方法，该方法包括：
步骤201，获取待预测地域的预测环流场信息，预测环流场信息记载了未来多个时间点的环流场特征。
其中，待预测地域为任一地域。待预测地域的预测环流场信息是在待预测地域的天气预报中的获取的。在实际中，气象台每四小时进行一次天气预报，因而可方便地获取实时的预测环流场信息。
需要说明的是，环流场特征包括压力场、风速场、温度场、湿度场和风向场分别对应的特征中的一个或多个，优选的，获取压力场、风速场、温度场、湿度场和风向场，但是，在实际中，也可能只获取其中的一个。其中，压力场、风速场、温度场、湿度场和风向场分别使用P、U、T、R和D表示。
在实施中，获取待预测地域的当前时间点对应的未来多个时间点分别对应的压力场、风速场、温度场、湿度场和风向场的特征，确定未来每个时间点对应的预测环流场信息，进而确定出当前时间点对应的预测环流场信息。
可选的，根据预测环流场信息建立该预测环流场信息对应的特征数组，该特征数组为
其中，Pt1、Pt2...Ptn表示预测环流场信息中的未来第1、2...n个时间点对应的压力场特征，Ut1、Ut2....Utn表示预测环流场信息中的未来第1、2...n个时间点对应的风速场特征，Tt1、Tt2...Ttn表示预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Rt1、Rt2...Rtn表示预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Dt1、Dt2...Dtn表示预测环流场信息中的未来第1、2...n个时间点对应的风向场特征。
具体的，确定待预测地域的当前时间点的未来6h、12h、24h、36h和72h分别对应的压力场、风速场、温度场、湿度场和风向场的特征，并将未来6h、12h、24h、36h和72h分别作为第一个时间点、第二个时间点、第三个时间点、第四个时间点以及第五个时间点。根据这五个时间点，以及五个时间点分别对应的压力场、风速场、温度场、湿度场和风向场的特征，建立特征数组，该特征数组为
202、对预测环流场信息对应的特征数组进行降维处理，得到预测环流场信息对应的未来特征降维数组。
其中，降维权重系数是由多个数值组成的数组。
可选的，将预测环流场信息对应的特征数组基于降维权重系数进行降维变换，得到预测环流场信息对应的未来特征降维数组。
在实施中，将步骤202中的特征数组基于降维权重系数进行降维变换，得到预测环流场信息对应的未来特征降维数组。
203、在预先建立的历史环流场样本库中，查找出与未来特征降维数组相似度最高的相似历史特征降维数组。
其中，历史环流场样本库存储了对应的历史特征降维数组和历史降雨情况，历史特征降维数组是根据降维权重系数以及历史特征数组得到的。其中，历史特征数组的维数与预测环流场信息对应的特征数组的维数是相同的，且由于历史特征降维数组和未来特征降维数组是基于同一降维权重系数变换得到的，因此，未来特征降维数组的维数与历史特征降维数组的维数也是相同的。
其中，历史降雨情况包括对应历史时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情中的一种或多种。
在实施中，在预先建立的历史环流场样本库中，查找出与未来特征降维数组欧式距离最小的相似历史特征降维数组。其中，当两个数组的欧式距离越小，则两个数值的相似度越高。
可选的，获取待预测地域的多个历史预测环流场信息。根据局部线性嵌入算法对多个历史预测环流场信息对应的历史特征数组进行降维，得到降维权重系数和每个历史特征数组被基于降维权重系数降维变换得到的历史特征降维数组。将每个历史预测环流场信息对应的历史特征降维数组和历史降雨情况存储至历史环流场样本库中。
其中，局部线性嵌入算法的具体过程为：获取高维空间中的N个数据点{x1,x2...xN}，计算每个数据点xi与其它所有数据点之间的欧式距离，其中，数据点xi为N个数据点中的任一数据点；选择与数据点xi距离最小的K个数据点{xi1,xi2...xiK}。其中，每个xi都可以用距离最近的K个数据点{xi1,xi2...xiK}线性表达，其具体公式为
同时，wij与数据点xi之间的关系还满足公式
通过公式
再将高维空间中的数据点集合{x1,x2...xN}∈RD通过权重系数集合，映射到低维空间中，成为{y1,y2...yN}∈Rd(d＜＜D)。其中，D代表降维之前每个数据点对应的维数，d代表降维之后每个数据点对应的维数。
在实施中，获取m个历史特征数组，组成样本集合，可表示为Ω＝[θ1，θ2...θm],
具体的降维过程为：步骤1：获取m个历史特征数组中的任一一个历史特征数组θi；
步骤2：确定除历史特征数组θi外的其他历史特征数组与历史特征数组θi之间的线性关系，获得线性关系权重系数Wi＝(wi1,wi2...wi(m-1))，将线性关系权重系数Wi作为降维权重系数。其中，wi1为历史特征数组θi与除历史特征数组θi外的其他历史特征数组中的历史特征数组θ1之间的线性关系权重系数，wi2为历史特征数组θi与除历史特征数组θi外的其他历史特征数组中的历史特征数组θ2之间的线性关系权重系数...wi(m-1)为历史特征数组θi与除历史特征数组θi外的其他历史特征数组中的历史特征数组θm-1之间的线性关系权重系数。
其中，根据
步骤3：根据降维权重系数Wi，将Ω＝[θ1，θ2...θm]映射为η＝[δ1，δ2...δm]，其中高维空间的θ1，θ2...θm分别与低维空间的δ1，δ2...δm一一对应。
需要说明的是，如果θm具有s个特征，或者说θm具有s个维度，那么降维之后的δm具有x个特征，或者说δm具有x个维度，其中，s>x。同时，上述映射方法与现有技术中的映射方法相同。
虽然上述过程对环流场信息对应的特征数组进行了降维，但降维之后的历史特征降维数组仍然具有环流形势的综合特征，因此，在降维之后，仍可以计算降维数组之间的相似度，来确定环流形势的相似度。
当再次获取到的环流场信息的特征数组时，可以基于已有的降维权重系数，对获取到的特征数组进行降维变换，或者利用LLE(Locally Linear Embedding，局部线性嵌入)算法重新对已有的特征数组进行降维变换。或者当获取到的特征数组的数目小于预设数目时，可以基于已有的降维权重系数对这些特征数组分别进行降维变换，当获取到的特征数组的数目大于预设数目时，利用LLE算法重新对已有的特征数组进行降维变换。其中，已有的特征数组包括再次获取到的环流场信息的特征数组和多个历史预测环流场信息对应的历史特征数组。
可选的，对于历史时间内的每一日，获取每一日数值预报中的历史预测环流场信息以及历史降雨情况，根据每一日的历史预测环流场信息建立每一日的历史预测环流场信息对应的历史特征数组。根据局部线性嵌入算法对多日分别对应的历史特征数组进行降维处理，获得多日分别对应的历史特征降维数组；将每日对应的历史特征降维数组和每日对应的历史降雨情况对应添加至历史环流场样本库。
其中，上述历史时间内的每一日可以是待预测地域历史十年内的每一日。
在实施中，以待预测地域的历史十年内的某日的数值预报为例，将该日的数值预报数据作为样本，获取该日的数值预报环流场中的压力场、风速场、温度场、湿度场和风向场，以及该日对应的历史降雨情况。根据该日的数值预报环流场中的压力场、风速场、温度场、湿度场和风向场，建立该日对应的历史特征数组。根据历史十年内的某日对应的历史特征数组的获取方法，获取历史十年内的每日对应的历史特征数组。根据局部线性嵌入算法对历史十年内的每日对应的历史特征数组进行降维，获得历史十年内的每日对应历史特征降维数组。并将每日对应的历史特征降维数组和该日对应的历史降雨情况对应添加到历史环流场样本库中。
每获得一日的数值预报数据，便可以根据该数值预报数据确定该日对应的压力场、风速场、温度场、湿度场和风向场分别对应的特征，进而确定该日对应的特征数组，进而获得该日对应的特征降维数组，将该特征降维数组和该日对应的降雨情况添加至历史环流场样本库中。
由于数值预报环流场是对未来6h、12h、24h、36h...72h天气形势的预报和描述，因此通过识别与6h、12h、24h、36h…72h相似的相似历史环流场，可实现对未来6h、12h、24h、36h……72h降雨的未来发展趋势，暴雨中心的未来移动路径，预测降雨量的变化过程，从而实现对未来大暴雨发展过程的预测。
可选的，获取在数值预报中的未来24h的压力场、风速场、温度场、湿度场和风向场的特征，包括在6h、12h、24h分别对应压力场、风速场、温度场、湿度场和风向场的特征，进而获取未来24h对应的预测环流场信息。根据未来24h对应的预测环流场信息，建立特征数组。基于降维权重系数，对该特征数组进行降维，获取该次数组预报对应的未来特征降维数组。在预先建立的历史环流场样本库中，查找出与未来特征降维数组相似度最高的相似历史特征降维数组。其中，该历史环流场样本库是包括在多个历史时间点对应的历史特征降维数组。
需要说明的是，根据每个历史时间点之后的6h、12h、24h分别对应的压力场、风速场、温度场、湿度场和风向场的特征，形成每个时间点之后的24h对应的预测环流场信息。使用LLE算法对每个时间点之后的未来24h对应的预测环流场信息对应的历史特征数组进行降维，获得每个时间点对应的历史特征降维数组。
204、基于相似历史特征降维数组对应的历史降雨情况，预测待预测地域的未来降雨情况。
在实施中，将相似历史特征降维数组对应历史时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情，去预测出待预测地域的对应未来时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情。
通过查找出与本次天气过程的环流形势中850hpa的压力场、风速场、温度场、湿度场和风向场的特征最为相似的相似历史环流形势场，确定出该相似历史环流形势场对应的降雨情况，并确定出降雨情况中的历史降雨情况、台风的登陆情况、河道水情情况、工程调度情况、城市内涝积水灾情等情况。通过借鉴历史降雨、灾情信息等情况，对本次天气过程做出合理、客观的预测，以做好各种应对措施，从而起到对当前暴雨灾害发展趋势和内涝灾害的***和借鉴作用，减少暴雨内涝造成的影响。
如图2所示，本申请实施例提供了一种降雨预报的装置，该装置包括：
获取模块201，被配置为获取待预测地域的预测环流场信息，所述预测环流场信息记载了未来多个时间点的环流场特征；
降维模块202，被配置为对所述预测环流场信息对应的特征数组进行降维处理，得到所述预测环流场信息对应的未来特征降维数组；
查找模块203，被配置为在预先建立的历史环流场样本库中，查找出与所述未来特征降维数组相似度最高的相似历史特征降维数组，所述历史环流场样本库存储了对应的历史特征降维数组和历史降雨情况，所述历史特征降维数组和所述未来特征降维数组的维度相同；
预测模块204，被配置为基于所述相似历史特征降维数组对应的历史降雨情况，预测所述待预测地域的未来降雨情况。
可选的，所述装置还包括存储模块，被配置为：
获取所述待预测地域的多个历史预测环流场信息；
根据局部线性嵌入算法对所述多个历史预测环流场信息对应的历史特征数组进行降维，得到降维权重系数和每个历史特征数组被基于所述降维权重系数降维变换得到的历史特征降维数组；
将每个历史预测环流场信息对应的历史特征降维数组和历史降雨情况存储至所述历史环流场样本库中。
可选的，所述降维模块203，被配置为：
将所述预测环流场信息对应的特征数组基于所述降维权重系数进行降维变换，得到所述预测环流场信息对应的未来特征降维数组。
可选的，所述环流场特征包括压力场、风速场、温度场、湿度场和风向场分别对应的特征中的一种或多种。
可选的，所述预测环流场信息对应的特征数组为
其中，Pt1、Pt2...Ptn表示所述预测环流场信息中的未来第1、2...n个时间点对应的压力场特征，Ut1、Ut2...Utn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风速场特征，Tt1、Tt2...Ttn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Rt1、Rt2...Rtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的湿度场特征，Dt1、Dt2...Dtn表示所述预测环流场信息中的未来第1、2...n个时间点对应的风向场特征。
可选的，所述历史降雨情况包括：
对应历史时段的降雨持续和分布情况、台风雨的登陆情况、河道水情情况、工程调度情况和城市内涝积水灾情中的一种或多种。
需要说明的是：上述实施例提供的降雨预报的装置在预测未来降雨情况时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块后，即将装置的内部结构划分成不同的功能模块，以后以上描述的全部或者部分功能。另外，上述实施例提供的降雨预报的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图3示出了本申请一个示例性实施例提供的终端300的结构框图。该终端300可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio LayerIV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端300还可能被称为账户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端300包括有：处理器301和存储器302。
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的降雨预报的方法。
在一些实施例中，终端300还可选包括有：***设备接口303和至少一个***设备。处理器301、存储器302和***设备接口303之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口303相连。具体地，***设备包括：射频电路304、触摸显示屏305、摄像头306、音频电路307、定位组件308和电源309中的至少一种。
***设备接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个***设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和***设备接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和***设备接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、账户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏305用于显示UI(User Interface，账户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，设置终端300的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在终端300的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在终端300的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件306用于采集图像或视频。可选地，摄像头组件306包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件306还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路307可以包括麦克风和扬声器。麦克风用于采集账户及环境的声波，并将声波转换为电信号输入至处理器301进行处理，或者输入至射频电路304以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端300的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器301或射频电路304的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路307还可以包括耳机插孔。
定位组件308用于定位终端300的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件308可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源309用于为终端300中的各个组件进行供电。电源309可以是交流电、直流电、一次性电池或可充电电池。当电源309包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端300还包括有一个或多个传感器33。该一个或多个传感器33包括但不限于：加速度传感器311、陀螺仪传感器312、压力传感器313、指纹传感器314、光学传感器315以及接近传感器316。
加速度传感器311可以检测以终端300建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器311可以用于检测重力加速度在三个坐标轴上的分量。处理器301可以根据加速度传感器311采集的重力加速度信号，控制触摸显示屏305以横向视图或纵向视图进行账户界面的显示。加速度传感器311还可以用于游戏或者账户的运动数据的采集。
陀螺仪传感器312可以检测终端300的机体方向及转动角度，陀螺仪传感器312可以与加速度传感器311协同采集账户对终端300的3D动作。处理器301根据陀螺仪传感器312采集的数据，可以实现如下功能：动作感应(比如根据账户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器313可以设置在终端300的侧边框和/或触摸显示屏305的下层。当压力传感器313设置在终端300的侧边框时，可以检测账户对终端300的握持信号，由处理器301根据压力传感器313采集的握持信号进行左右手识别或快捷操作。当压力传感器313设置在触摸显示屏305的下层时，由处理器301根据账户对触摸显示屏305的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器314用于采集账户的指纹，由处理器301根据指纹传感器314采集到的指纹识别账户的身份，或者，由指纹传感器314根据采集到的指纹识别账户的身份。在查找出账户的身份为可信身份时，由处理器301授权该账户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器314可以被设置终端300的正面、背面或侧面。当终端300上设置有物理按键或厂商Logo时，指纹传感器314可以与物理按键或厂商Logo集成在一起。
光学传感器315用于采集环境光强度。在一个实施例中，处理器301可以根据光学传感器315采集的环境光强度，控制触摸显示屏305的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏305的显示亮度；当环境光强度较低时，调低触摸显示屏305的显示亮度。在另一个实施例中，处理器301还可以根据光学传感器315采集的环境光强度，动态调整摄像头组件306的拍摄参数。
接近传感器316，也称距离传感器，通常设置在终端300的前面板。接近传感器316用于采集账户与终端300的正面之间的距离。在一个实施例中，当接近传感器316检测到账户与终端300的正面之间的距离逐渐变小时，由处理器301控制触摸显示屏305从亮屏状态切换为息屏状态；当接近传感器316检测到账户与终端300的正面之间的距离逐渐变大时，由处理器301控制触摸显示屏305从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图3中示出的结构并不构成对终端300的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中即时通信匹配的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
上述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种山区暴雨监测方法