研究背景与问题

在城市化进程中，城市监控相机因其数量众多、覆盖范围广、信息传输速度快等优势，为降雨观测提供了新的手段。然而，现有的监控测雨研究主要集中在白天降雨的监测，对于夜间强降雨的监测方法尚不成熟。夜间强降雨具有雨量较大、持续时间较长等特点，对城市交通、防洪排涝等方面影响显著。因此，本文针对夜间强降雨监测问题，探讨了一种基于深度学习模型Vit-Bi-LSTM的监控相机应用方法，以期为夜间强降雨监测提供新的思路。

研究方法

本文从监控视角出发，分析了夜间降雨视频的时空特征。针对夜间强降雨监测问题，提出了一种融合Vision Transformer（Vit）和双向长短期记忆网络（Bi-LSTM）的深度学习模型。首先，采用Vit模型对夜间降雨视频进行特征提取，提取到的特征能够更好地捕捉降雨过程中的时空变化；其次，将提取到的特征输入到Bi-LSTM网络中进行序列建模，从而实现对夜间强降雨的准确识别和定量分析。最后，将训练好的模型应用于实际监控数据，验证模型在夜间强降雨监测中的有效性。

核心结果

本文所提出的基于Vit-Bi-LSTM的夜间强降雨监测方法，在多个实际监控数据集上进行了验证。实验结果表明，与传统的单一特征提取方法相比，Vit-Bi-LSTM模型在夜间强降雨监测任务上取得了更好的性能。具体表现在：模型对夜间强降雨的识别准确率提高了约5%，对降雨量的预测误差降低了约10%。这充分证明了Vit-Bi-LSTM模型在夜间强降雨监测中的有效性和实用性。

结论与意义

本文提出了一种基于Vit-Bi-LSTM的夜间强降雨监测方法，为城市监控相机在夜间强降雨监测中的应用提供了新的思路。该方法能够有效提取夜间降雨视频的时空特征，提高夜间强降雨的识别和定量分析能力。研究成果对于提高城市防洪排涝能力、保障城市交通安全等方面具有重要的现实意义。此外，本文提出的方法在夜间强降雨监测中具有较高的实用价值，有望为相关领域的研究提供参考和借鉴。

文章来源：《暴雨灾害》 网址: http://www.fzyjzzs.cn/qikandaodu/2025/1029/328.html