阅读说明：本技术 云图图像预测准确性的评估方法、装置、设备及存储介质 (Method, device and equipment for evaluating accuracy of cloud image prediction and storage medium ) 是由 周康明 姚广 于 2019-11-06 设计创作，主要内容包括：本申请提供一种云图图像预测准确性的评估方法、装置、设备及存储介质,实现方案包括：获取至少两幅实际云图图像,以及与实际云图图像对应的预测云图图像；根据预设规则分别确定实际云图图像、预测云图图像的质心；根据实际云图图像的质心确定实际移动信息,根据预测云图图像的质心确定预测移动信息；根据实际移动信息、预测移动信息评估预测云图图像是否准确。本申请提供的方法、装置、设备及存储介质中,根据至少两幅云图图像中的质心,确定这些云图图像中质心的移动信息,再比对实际云图图像中的质心移动信息以及预测云图图像中的质心移动信息,能够确定出预测云图图像中云的移动与实际云图图像中云的移动差异,从而评估预测云图是否准确。(The application provides a method, a device, equipment and a storage medium for evaluating cloud image prediction accuracy, and the implementation scheme comprises the following steps: acquiring at least two actual cloud picture images and a predicted cloud picture image corresponding to the actual cloud picture images; respectively determining the centroids of the actual cloud picture image and the predicted cloud picture image according to a preset rule; determining actual movement information according to the mass center of the actual cloud picture image, and determining predicted movement information according to the mass center of the predicted cloud picture image; and evaluating whether the predicted cloud picture image is accurate or not according to the actual movement information and the predicted movement information. According to the method, the device, the equipment and the storage medium, the moving information of the mass centers in the cloud picture images is determined according to the mass centers in at least two cloud picture images, and then the mass center moving information in the actual cloud picture image is compared with the mass center moving information in the predicted cloud picture image, so that the difference between the moving of the cloud in the predicted cloud picture image and the moving of the cloud in the actual cloud picture image can be determined, and whether the predicted cloud picture is accurate or not is evaluated.)

云图图像预测准确性的评估方法、装置、设备及存储介质

技术领域

本申请涉及图像处理技术，尤其涉及一种云图图像预测准确性的评估方法、装置、设备及存储介质。

背景技术

目前，在天气预测领域主要利用雷达探测手段。基于雷达探测数据，进行分析，预测未来的天气。

现有技术中，可以基于一些算法预测云团的走向，例如，可以把每一个风暴单体看作是一个具有三维连续结构的整体，计算相关物理特征量，进而得到预测的云图。

由于现有技术中的预测算法较多，因此，需要评价各种算法的准确性。而如何评估预测算法是否准确，是本领域技术人员亟需解决的技术问题。

发明内容

本申请提供一种云图图像预测准确性的评估方法、装置、设备及存储介质，从而评估预测的云图图像是否准确。

本申请的第一个方面是提供一种云图图像预测准确性的评估方法，包括：

获取至少两幅实际云图图像，以及与所述实际云图图像对应的预测云图图像；

根据预设规则分别确定所述实际云图图像、所述预测云图图像的质心；

根据所述实际云图图像的质心确定实际移动信息，根据所述预测云图图像的质心确定预测移动信息；

根据所述实际移动信息、所述预测移动信息评估所述预测云图图像是否准确。

本申请的另一个方面是提供一种云图图像预测准确性的评估装置，包括：

获取模块，用于获取至少两幅实际云图图像，以及与所述实际云图图像对应的预测云图图像；

质心确定模块，用于根据预设规则分别确定所述实际云图图像、所述预测云图图像的质心；

移动信息确定模块，用于根据所述实际云图图像的质心确定实际移动信息，根据所述预测云图图像的质心确定预测移动信息；

评估模块，用于根据所述实际移动信息、所述预测移动信息评估所述预测云图图像是否准确。

本申请的又一个方面是提供一种云图图像预测准确性的评估设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如上述第一方面所述的云图图像预测准确性的评估方法。

本申请的又一个方面是提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如上述第一方面所述的云图图像预测准确性的评估方法。

本申请提供的云图图像预测准确性的评估方法、装置、设备及存储介质的技术效果是：

本申请提供的云图图像预测准确性的评估方法、装置、设备及存储介质，包括：获取至少两幅实际云图图像，以及与实际云图图像对应的预测云图图像；根据预设规则分别确定实际云图图像、预测云图图像的质心；根据实际云图图像的质心确定实际移动信息，根据预测云图图像的质心确定预测移动信息；根据实际移动信息、预测移动信息评估预测云图图像是否准确。本申请提供的方法、装置、设备及存储介质中，根据至少两幅云图图像中的质心，确定这些云图图像中质心的移动信息，再比对实际云图图像中的质心移动信息以及预测云图图像中的质心移动信息，能够确定出预测云图图像中云的移动与实际云图图像中云的移动差异，从而评估预测云图是否准确。

附图说明

图1为本申请一示例性实施例示出的云图图像预测准确性的评估方法的流程图；

图2为本申请另一示例性实施例示出的云图图像预测准确性的评估方法的流程图；

图3A为本申请一示例性实施例示出的以矩阵形式记录像素值的示意图；

图3B为本申请一示例性实施例示出的移动向量的示意图；

图4为本申请一示例性实施例示出的云图图像预测准确性的评估装置的结构图；

图5为本申请另一示例性实施例示出的云图图像预测准确性的评估装置的结构图；

图6为本申请一示例性实施例示出的云图图像预测准确性的评估设备的结构图。

具体实施方式

目前近几十年来，国内外雷达气象学者在强对流天气探测领域做了大量研究工作，利用高时空分辨率的雷达资料，深入分析了风暴发生、发展、成熟和消亡的物理机制，提出一些风暴算法，基本思路是把每一个风暴单体看作是一个具有三维连续结构的整体，计算相关物理特征量，预报时采用外推技术。

由于外推算法种类繁多，在采用外推算法绘制了雷达云图之后，需要对绘制的雷达云图的准确性进行评估。而如何准确的评估绘制的雷达云图，是本领域技术人员亟需解决的技术问题。

本申请实施例提供的方案中，根据多帧实际云图图像确定实际质心走向，并根据相应的多帧绘制的云图图像确定预测质心走向，通过比对实际质心走向与预测质心走向，确定预测的云图图像与实际云图图像的匹配程度。

图1为本申请一示例性实施例示出的云图图像预测准确性的评估方法的流程图。

如图1所示，本实施例提供的雷达云图预测准确性的评估方法包括：

步骤101，获取至少两幅实际云图图像，以及与实际云图图像对应的预测云图图像。

其中，本实施例提供的方法可以由具备计算能力的电子设备执行，例如可以是计算机执行。本实施例提供的方法可以以软件形式设置于电子设备中。

具体的，可以预先在电子设备中存储实际云图图像以及预测云图图像，也可以将这些图像存储在另一设备中，此时，电子设备能够访问存储有云图图像的设备，从而读取云图图像。

进一步的，云图图像可以是视频形式，也可以是图片形式。例如，可以以视频的形式存储一段时间内云图图像，例如存储5分钟的实际云图图像，以及与这段时间对应的预测云图图像。实际云图图像可以是通过雷达设备检测实际得到的，例如可以是17:00-17:05这段时间的实际云图图像。还可以基于预设算法，预先预测17:00-17:05这段时间的云图图像，即预测云图图像。例如，可以在13:00时，预测17:00-17:05这段时间的云图图像。

实际应用时，若通过图片形式存储云图图像，可以存储多张图像。例如，多张实际云图图像，这些图像具有时间顺序，比如可以是在5分钟之内连续获取的实际云图图像。通过图片形式存储预测云图图像与之类似，不再赘述。

其中，用户可以选择需要分析的云图图像，并操作电子设备执行本实施例提供的方法。例如，用户可以操作电子设备，选择实际云图图像的存储位置以及预测云图图像的存储位置，再点击用于开始分析的按键。

具体的，电子设备可以获取至少两幅实际云图图像。具体可以获取连续的至少两帧实际云图图像。可以根据时间信息相邻的两幅云图图像，确定云图质心的走向。本实施例提供的方案中以两幅云图图像进行举例，实际应用时可以根据需求进行设置。

进一步的，还可以获取与实际云图图像对应的预测云图图像。具体可以根据云图图像的时间信息来确定实际云图图像与预测云图图像的对应关系。例如，一幅实际云图图像是用于展示时间为17:01时的云层，则预测时间为17:01时的预测云图图像与该实际云图图像具有对应关系。

实际应用时，不同时间云层变化也不一致，因此，通过获取具有对应关系的实际云图图像与预测云图图像，能够准确的评估预测云图图像的准确性。

步骤102，根据预设规则分别确定实际云图图像、预测云图图像的质心。

其中，质心是指云图图像中的质量中心。具体可以根据云图图像中每个像素点的像素信息来确定。

具体的，云图图像的颜色信息能够用来表示云层的厚度、密集程度。因此，可以设置预设规则，根据云图图像的颜色信息来确定质心。可以在云图图像中确定出云层较厚的点，作为图像的质心。

进一步的，还可以结合每个像素点的像素值，确定图像的质心。例如，可以读取云图图像中每个点在各个通道的像素值，形成多个矩阵。再将这些矩阵合并为一个矩阵，矩阵中的每个点的像素值能够表示该点对雷达信号的反射率，进而表示该点云层的密集程度。实际应用时，可以根据矩阵中每个点的像素值，确定质心。

实际应用时，为了使实际云图图像与预测云图图像的质心具有可比性，确定二者质心时采用相同的规则。

其中，针对每张实际云图图像与预测云图图像，都可以确定出其中的质心。

步骤103，根据实际云图图像的质心确定实际移动信息，根据预测云图图像的质心确定预测移动信息。

具体的，可以根据至少两幅实际云图图像的质心确定实际移动信息。具体可以根据实际云图图像的时间信息，确定实际移动信息。例如，按照时间顺序对实际云图图像进行排序，为图A、B，则可以分别得到实际质心P_A、P_B，那么从P_A移动到P_B即为实际移动信息。

进一步的，还可以根据预测云图图像的质心确定预测移动信息，具体确定方式与上述类似。例如存在两幅预测云图图像A＇、B＇，A＇与图A的时间信息一致为t₁，B＇与图B的时间信息一致，为t₂。则可以根据图像A、B的质心，可以得到实际从t₁到t₂时云图质心的移动信息。还可以根据图像A＇、B＇的质心，得到预测的从t₁到t₂时云图质心的移动信息。

实际应用时，若云图图像数量大于两幅，可以根据时间信息，确定每相邻的两幅云图图像之间的移动信息，即可以得到一组移动信息。例如在时间顺序上，除了实际云图图像A、B以外，还包括实际云图图像C、D，则还可以得到实际质心P_C、P_D，则可以得到的实际移动信息为从P_A移动到P_B，从P_B移动到P_C，从P_C移动到P_D。

步骤104，根据实际移动信息、预测移动信息评估预测云图图像是否准确。

实际应用时，若预测移动信息与实际移动信息一致，则可以认为预测云图图像准确，即能够准确的预测出云层的移动轨迹。

其中，可以比对预测移动信息与实际移动信息，确定二者之间的差异。具体可以从移动方向和移动距离两个维度来确定预测移动信息与实际移动信息之间的差异。

具体的，可以确定实际移动信息的移动角度、预测移动信息的移动角度，比对两个角度得到角度差。还可以确定实际移动信息的移动距离、预测移动信息的移动距离，比对两个距离得到距离差。

进一步的，若距离差、角度差均在允许范围内，则可以认为预测云图图像与实际云图图像一致，否则认为二者不一致。若一致，则可以认为预测云图图像是准确的。

实际应用时，若云图图像大于2幅，则可以比对对应的实际移动信息、预测移动信息，并根据比对结果评估预测云图图像是否准确。例如，实际移动信息为从P_A移动到P_B，从P_B移动到P_C，从P_C移动到P_D，预测移动信息为从P_A＇移动到P_B＇，从P_B＇移动到P_C＇，从P_C＇移动到P_D＇。则可以分别比对从P_A移动到P_B与从P_A＇移动到P_B＇是否一致，从P_B移动到P_C与从P_B＇移动到P_C＇是否一致，从P_C移动到P_D与从P_C＇移动到P_D＇是否一致，再根据比对结果来评估预测云图图像的准确性。

例如，若大部分移动信息的比对结果都一致，则可以认为预测云图图像比较准确，若大部分移动信息的比对结果都不一致，则可以认为预测云图图像不准确。

本实施例提供的方法用于评估云图图像，该方法由设置有本实施例提供的方法的设备执行，该设备通常以硬件和/或软件的方式来实现。

本实施例提供的云图图像预测准确性的评估方法，包括：获取至少两幅实际云图图像，以及与实际云图图像对应的预测云图图像；根据预设规则分别确定实际云图图像、预测云图图像的质心；根据实际云图图像的质心确定实际移动信息，根据预测云图图像的质心确定预测移动信息；根据实际移动信息、预测移动信息评估预测云图图像是否准确。本实施例提供的方法中，根据至少两幅云图图像中的质心，确定这些云图图像中质心的移动信息，再比对实际云图图像中的质心移动信息以及预测云图图像中的质心移动信息，能够确定出预测云图图像中云的移动与实际云图图像中云的移动差异，从而评估预测云图是否准确。

图2为本申请另一示例性实施例示出的云图图像预测准确性的评估方法的流程图。

如图2所示，本实施例提供的云图图像预测准确性的评估方法，包括：

步骤201，获取至少两幅实际云图图像，以及与实际云图图像对应的预测云图图像。

步骤201与步骤101的具体原理和实现方式类似。

其中，预测云图图像与实际云图图像的时间信息对应。

具体的，获取的每幅预测云图图像都与获取的一幅实际云图图像的时间信息对应。例如，获取了两幅实际云图图像A、B，则还可以获取分别与图A对应的预测云图图像A＇，以及与图B对应的预测云图图像B＇。

进一步的，为了使实际云图图像与预测云图图像具有可比性，可以比对时间信息对应的实际云图与预测云图。即具有对应关系的预测云图图像与实际云图图像的时间信息对应，例如图像A与图像A＇的时间信息一致，图像B与图像B＇的时间信息一致。

实际应用时，若实际云图图像的时间信息是t₁，则该云图图像用于表示t₁时云层的状态。若预测云图图像的时间信息是t₂，则该云图图像用于预测t₂时云层的状态。

具有对应关系的实际云图图像与预测云图图像的时间信息相同。比如图像A的时间信息t₁与图像A＇的时间信息t₂相同。

步骤202，根据预设规则分别确定实际云图图像、预测云图图像的质心；其中，预设规则包括：根据云图图像确定图像中每个像素点的像素信息；根据每个点的像素信息确定云图图像的质心。

其中，可以预先设置用于确定云图图像的规则，并基于这一规则分别确定实际云图图像和预测云图图像的质心。为了使实际云图图像和预测云图图像的质心具有可比性，可以采用同一规则确定云图图像中的质心。

具体的，可以根据云图图像中各个点的像素值来确定图像中的质心。具体可以确定图像中每个像素点的像素信息，再根据每个点的像素信息确定云图图像的质心。

进一步的，针对一幅云图图像，例如实际云图图像或者预测云图图像，可以读取云图图像中各个像素点对应每个通道的像素值。例如一个像素点的红色通道的像素值、绿色通道的像素值、蓝色通道的像素值。即针对一个像素点可以得到三个像素值。

实际应用时，可以得到与云图图像对应的像素值矩阵。该矩阵的维度是(m，n，c)，其中，m、n是矩阵的行数和列数，c是颜色通道数。

其中，读取云图图像中每个像素点对应每个通道的像素值之后，还可以将像素点的像素值的平均值确定为像素信息。即将一个像素点的多通道像素值进行平均，得到该点的像素信息。

具体的，若以矩阵形式记录云图图像的像素值，则可以在维度c上计算每个像素点的平均像素信息，得到维度为(m，n)的像素信息矩阵。

图3A为本申请一示例性实施例示出的以矩阵形式记录像素值的示意图。

如图3A左侧，为读取的各个像素点对应每个通道的像素值，假设共包括三个通道，像素值用a、b、c来表示。

如图3A右侧，为对左侧的矩阵进行处理得到的像素信息，每个像素点的像素信息用d表示。dmn＝(amn+bmn+cmn)/3，具体是在通道维度计算像素平均值，得到维度为(m，n)的像素信息矩阵。

在确定了云图图像中各个像素点的像素信息之后，可以根据每个点的像素信息确定云图图像的质心。

具体的，像素信息可以体现出图像中每个位置对雷达信号的反射情况，像素值越高，可以认为反射率越高，像素值越低，则反射率越低。

进一步的，可以根据下式确定云图图像的质心：

其中，I代表质心的行索引，J代表质心的列索引；i表示云图图像N中一个像素点的行索引，j表示云图图像N中一个像素点的列索引，N_i，j表示索引为i、j的像素点的像素信息。

具体的，可以根据云图图像中各个像素点的像素信息，以及各个像素点的索引确定云图图像中的质心位置。

进一步的，若以矩阵形式表示云图图像的像素信息，则矩阵中的每个值都是一个像素点的像素信息，因此，矩阵中每个值的行序列、列序列与像素点的行索引、列索引一致。

步骤203，根据实际云图图像的质心，以及每幅实际云图图像的时间信息，确定实际移动向量。

步骤204，根据预测云图图像的质心，以及每幅预测云图图像的时间信息，确定预测移动向量。

实际应用时，可以根据至少两幅云图图像的质心，确定质心的实际移动向量。

其中，云图图像可以具有时间信息，例如其是用于表示哪个时刻的云层信息，或者用来预测哪个时刻的云层信息。可以根据时间信息对云图图像进行排序，进而得到带有排序信息的质心。例如排序后的质心是P_A、P_B。则移动向量是P_B指向P_A的向量。

具体的，若质心从P_A移动到P_B，则可以根据P_A的行索引i_A、列索引j_A，P_B的行索引i_B、列索引j_B，确定移动向量。

进一步的，移动向量V＝(i_B-i_A，j_B-j_A)。

实际应用时，若获取了2幅以上的云图图像，则可以根据每两个在时间维度相邻的质心得到一个移动向量。例如得到一组质心移动向量，V₁、V₂、V₃。

针对实际云图图像和预测云图图像，都可以采用上述方式确定移动向量。例如，可以得到实际移动向量Vg，预测移动向量Vp。

其中，步骤203、204的执行时序不做限制，可以先确定实际移动向量，也可以先确定预测移动向量，也可以同时确定这两个移动向量。

步骤205，根据实际移动向量、预测移动向量确定移动距离差、移动方向夹角。

具体的，可以根据实际移动向量确定实际质心的移动距离，例如，质心从P_A移动到P_B的移动距离。还可以根据预测移动向量确定预测质心的移动距离，例如，质心从P_A＇移动到P_B＇的移动距离。

进一步的，若移动向量V＝(i_B-i_A，j_B-j_A)，则移动距离为

实际应用时，针对实际云图图像中的质心移动距离、预测云图图像中质心的移动距离，均可以根据上述公式进行确定。确定两个移动距离的时序可以不作限制。

其中，可以根据实际云图图像中质心的移动距离、预测云图图像中质心的移动距离，确定移动距离差。例如，实际云图图像中质心的移动距离为d₁，预测云图图像中质心的移动距离为d₂，则移动距离差可以是：

Δd＝|d₁-d₂|

具体的，移动距离差可以用来表征实际云图图像与预测云图图像中，质心移动的距离差。若预测云图图像较为准确，例如与实际云图图像一致时，则移动距离差应当较小。因此，可以将移动距离差作为评估预测云图图像是否准确的一个指标。

进一步的，还可以根据实际移动向量、预测移动向量确定移动方向夹角。移动方向夹角可以用来表征实际云图图像与预测云图图像中质心移动的角度偏差。

实际应用时，若实际云图图像中质心的移动距离为Vg预测云图图像中质心的移动距离为Vp，则移动方向夹角为：

其中，若预测云图图像较为准确，例如与实际云图图像一致时，则移动方向角应当较小。因此，可以将移动方向角作为评估预测云图图像是否准确的一个指标。

具体的，确定移动方向角、移动距离差的时序不做限制。

步骤206，根据移动距离差、移动方向差评估预测云图图像是否准确。

进一步的，可以设置允许偏差值，该偏差值可以与方向角对应的角度偏差值，以及与移动距离差对应的距离偏差值。若移动距离差在允许偏差范围内，例如小于或等于距离偏差值，且移动方向角在允许偏差范围内，例如小于或等于角度偏差值，则可以评估预测云图图像是准确的。否则，可以评估预测云图图像是不准确的。

图3B为本申请一示例性实施例示出的移动向量的示意图。

如图3B所示，图左侧为根据两幅实际云图图像确定的实际移动向量31，图右侧为根据与这两幅实际云图图像对应的预测云图图像确定的预测移动向量32。

可以比对这两个移动向量，确定移动距离差以及移动方向角，并根据这两个指标确定预测云图图像与实际云图图像是否一致，从而评估预测云图图像的准确性。

可选的，在步骤202中，确定云图图像中每个像素点的像素信息之后，还包括：

将小于预设阈值的像素信息设置为0。

此后可以根据调整后的像素信息确定云图图像的质心。

可以设置预设阈值，并将小于预设阈值的像素信息设置为0。通过这种方式可以过滤掉噪音点，避免影响确定质心的准确率。

此外，还可以通过调整预设阈值，保留实际云图图像和预测云图图像中符合需求范围的像素信息。进而可以根据本实施例提供的方法，确定不同强度范围下，实际云图图像和预测云图图像中质心移动的差异。

图4为本申请一示例性实施例示出的云图图像预测准确性的评估装置的结构图。

如图4所示，本实施例提供的云图图像预测准确性的评估装置，包括：

获取模块41，用于获取至少两幅实际云图图像，以及与所述实际云图图像对应的预测云图图像；

质心确定模块42，用于根据预设规则分别确定所述实际云图图像、所述预测云图图像的质心；

移动信息确定模块43，用于根据所述实际云图图像的质心确定实际移动信息，根据所述预测云图图像的质心确定预测移动信息；

评估模块44，用于根据所述实际移动信息、所述预测移动信息评估所述预测云图图像是否准确。

本实施例提供的云图图像预测准确性的评估装置，包括：获取模块，用于获取至少两幅实际云图图像，以及与实际云图图像对应的预测云图图像；质心确定模块，用于根据预设规则分别确定实际云图图像、预测云图图像的质心；移动信息确定模块，用于根据实际云图图像的质心确定实际移动信息，根据预测云图图像的质心确定预测移动信息；评估模块，用于根据实际移动信息、预测移动信息评估预测云图图像是否准确。本实施例提供的装置中，根据至少两幅云图图像中的质心，确定这些云图图像中质心的移动信息，再比对实际云图图像中的质心移动信息以及预测云图图像中的质心移动信息，能够确定出预测云图图像中云的移动与实际云图图像中云的移动差异，从而评估预测云图是否准确。

本实施例提供的云图图像预测准确性的评估装置的具体原理和实现方式均与图1所示的实施例类似，此处不再赘述。

图5为本申请另一示例性实施例示出的云图图像预测准确性的评估装置的结构图。

如图5所示，在上述实施例的基础上，本实施例提供的云图图像预测准确性的评估装置，可选的，所述预设规则包括：

根据云图图像确定图像中每个像素点的像素信息；

根据每个点的所述像素信息确定所述云图图像的质心。

可选的，所述质心确定模块42，包括像素信息确定单元421，用于读取所述云图图像中每个所述像素点对应每个通道的像素值，将所述像素点的所述像素值的平均值确定为所述像素信息。

可选的，所述质心确定模块42，包括质心确定单元422，用于根据下式确定所述云图图像的质心：

其中，I代表质心的行索引，J代表质心的列索引；i表示云图图像N中一个像素点的行索引，j表示云图图像N中一个像素点的列索引，N_i，j表示索引为i、j的像素点的像素信息。

可选的，所述移动信息确定模块43具体用于：

根据所述实际云图图像的质心，以及每幅所述实际云图图像的时间信息，确定实际移动向量；

根据所述预测云图图像的质心，以及每幅所述预测云图图像的时间信息，确定预测移动向量。

可选的，所述评估模块44包括：

指标确定单元441，用于根据所述实际移动向量、所述预测移动向量确定移动距离差、移动方向夹角；

评估单元442，用于根据所述移动距离差、所述移动方向差评估所述预测云图图像是否准确。

可选的，所述预测云图图像与所述实际云图图像的时间信息对应。

可选的，所述质心确定模块42在根据云图图像确定图像中每个像素点的像素信息之后，还用于：

将小于预设阈值的所述像素信息设置为0。

本实施例提供的装置的具体原理和实现方式均与图2所示的实施例类似，此处不再赘述。

图6为本申请一示例性实施例示出的云图图像预测准确性的评估设备的结构图。

如图6所示，本实施例提供的云图图像预测准确性的评估设备包括：

存储器61；

处理器62；以及

计算机程序；

其中，所述计算机程序存储在所述存储器61中，并配置为由所述处理器62执行以实现如上所述的任一种云图图像预测准确性的评估方法。

本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，

所述计算机程序被处理器执行以实现如上所述的任一种云图图像预测准确性的评估方法。

本实施例还提供一种计算机程序，包括程序代码，当计算机运行所述计算机程序时，所述程序代码执行如上所述的任一种云图图像预测准确性的评估方法。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。