申请/专利权人:成都信息工程大学
申请日:2024-04-26
公开(公告)日:2024-07-02
公开(公告)号:CN118094487B
主分类号:G06F18/27
分类号:G06F18/27;G06F18/214;G06F18/15;G01W1/14;G06N3/0442;G06N3/045;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.07.02#授权;2024.06.14#实质审查的生效;2024.05.28#公开
摘要:本发明提供基于时空感知机制的多源气象要素预测降水的方法及系统,涉及数据处理领域,该方法包括:建立降水预测模型,其中,降水预测模型至少包括图像块嵌入层、时空特征提取网络和通道感知网络;建立训练样本;使用训练样本训练降水预测模型;获取目标区域在目标时间的多气象要素预报数据;对目标区域在目标时间的多气象要素预报数据进行预处理;通过训练后的降水预测模型基于预处理后的目标区域在目标时间的多气象要素预报数据,预测目标区域在目标时间的降水预测信息,具有提高降水预测的精度的优点。
主权项:1.基于时空感知机制的多源气象要素预测降水的方法,其特征在于,包括:建立降水预测模型,其中,所述降水预测模型至少包括图像块嵌入层、时空特征提取网络和通道感知网络;建立训练样本;使用所述训练样本训练所述降水预测模型,其中,所述图像块嵌入层将所述训练样本包括的形状为C*H*W的归一化后的多气象要素数据切割为C*p*p的图像块,得到图像块个数为Hp*Wp,并把每个图像块重塑为一个平展的令牌序列,数据形状为(Hp*Wp)*(C*p*p),同时将每个令牌序列线性映射到新的维度D,最终得到数据形状为(Hp*Wp)*D,最后加入每个令牌序列的位置信息,C表示通道,即气象要素个数,H,W表示输入数据的长,宽,p表示切割后得到的图像块的长、宽,D表示线性映射到的目标维度,加入每个所述令牌序列的位置,生成所述训练样本包括的归一化后的多气象要素数据对应的图像嵌入结果;空间感知机制是将所述令牌序列转换到傅里叶空间,对转换到傅里叶空间的令牌序列进行线性变换,通过傅里叶逆变换将线性变换后的令牌序列转回到原始空间域,并添加残差连接,生成空间特征;时间感知机制是通过分组卷积提取所述归一化后的处理结果的隐藏状态的特征,对所述隐藏状态的特征进行归一化,生成归一化后的隐藏状态的特征,所述归一化后的隐藏状态的特征经过激活函数后叠加不同卷积尺度的特征,生成时间特征;通道感知网络是利用线性层扩大所述空间特征和所述时间特征叠加融合生成的融合时空特征的维度,将维度扩大后的融合时空特征映射回原始维度,并施加残差连接;获取目标区域在目标时间的多气象要素预报数据;对所述目标区域在目标时间的多气象要素预报数据进行预处理;通过训练后的降水预测模型基于预处理后的目标区域在目标时间的多气象要素预报数据,预测所述目标区域在目标时间的降水预测信息。
全文数据:
权利要求:
百度查询: 成都信息工程大学 基于时空感知机制的多源气象要素预测降水的方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。