首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于区域模式和机器学习相结合的短期气候预测方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:无锡九方科技有限公司

摘要:本发明提出一种基于区域模式和机器学习相结合的短期气候预测方法及系统,通过获取目标区域的地形数据、海平面温度数据、再分析数据、土地利用数据、温室气体排放数据;根据所述地形数据、海平面温度数据、再分析数据和土地利用数据,确定区域气候模式的初始场和边界场;根据所述初始场和所述边界场、温室气体排放数据,通过区域气候模式对所述目标区域的气温进行模拟,得到日平均气温数据的模拟值;基于误差修正神经网络对日平均气温数据的模拟值进行校正,得到日平均气温数据的预测值,提升了预测的准确性。

主权项:1.一种基于区域模式和机器学习相结合的短期气候预测方法,其特征在于,具体包括以下步骤:获取目标区域的地形数据、海平面温度数据、再分析数据、土地利用数据、温室气体排放数据;根据所述地形数据、海平面温度数据、再分析数据和土地利用数据,确定区域气候模式的初始场和边界场;根据所述初始场和所述边界场、温室气体排放数据,通过区域气候模式对所述目标区域的气温进行模拟,得到日平均气温数据的模拟值;基于误差修正神经网络对日平均气温数据的模拟值进行校正,得到日平均气温数据的预测值;所述基于误差修正神经网络对日平均气温数据的模拟值进行校正,得到日平均气温数据的预测值包括:将所述日平均气温数据的模拟值、气压、风速、相对湿度、露点温度输入误差修正神经网络,输出日平均气温数据的预测值;所述误差修正神经网络包括:输入层、第一卷积模块、池化层、第二卷积模块、池化层、第三卷积模块,所述第三卷积模块的输出记为特征F1,将所述F1输入顺序连接的第四卷积模块、第一卷积层得到特征F2,将所述F1输入顺序连接的第五卷积模块、第二卷积层得到特征F3,将所述特征F2、特征F3进行第一融合得到特征F1′,将所述F1′分别输入最大池化层、平均池化层得到特征Fm、特征Fa,将所述特征Fm、特征Fa进行第一融合得到特征Fma,将所述特征Fma与特征F1进行第二融合得到特征F,将所述特征F输入第三卷积层、LeakyRelu层得到日平均气温数据的预测值;将所述特征F2、特征F3进行第一融合得到特征F1′包括: 将所述特征Fm、特征Fa进行第一融合得到特征Fma包括: 将所述特征Fma与特征F1进行第二融合得到特征F包括:

全文数据:

权利要求:

百度查询: 无锡九方科技有限公司 一种基于区域模式和机器学习相结合的短期气候预测方法及系统

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。