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！

摘要：本发明公开了基于Transformer的气象要素季节内振荡分量的延伸期预报系统及方法，属于气象预报领域，系统包括：数据收集模块、模型优化模块、模型训练模块和预报模块；数据收集模块用于收集历史气象资料，并利用滤波方法提取历史气象资料的气象要素季节内振荡分量；模型优化模块用于构建并优化Transformer模型，得到优化后模型；模型训练模块基于气象要素季节内振荡分量对优化后模型进行训练评估，得到延伸期预报模型；预报模块用于利用延伸期预报模型进行气象预报。本发明改良了传统神经网络预报方法，同时配合增加输入时次数量至最优值的方式提升了延伸期气象要素季节内振荡分量的预报准确率，改善了延伸期预报的效果。

主权项：1.基于Transformer的气象要素季节内振荡分量的延伸期预报系统，其特征在于，包括：数据收集模块、模型优化模块、模型训练模块和预报模块；所述数据收集模块用于收集历史气象资料，并利用滤波方法提取所述历史气象资料的气象要素季节内振荡分量；所述模型优化模块用于构建并优化Transformer模型，得到优化后模型；所述模型训练模块基于所述气象要素季节内振荡分量对所述优化后模型进行训练评估，得到延伸期预报模型；所述预报模块用于利用所述延伸期预报模型进行气象预报；所述模型优化模块包括：输入层优化单元、注意力机制优化单元、多层感知机优化单元和逆卷积优化单元；所述输入层优化单元用于将原始Transformer模型中的PatchEmbedding部分更换为Cross-scaleEmbedding；所述注意力机制优化单元用于将原始Transformer模型中的注意力机制计算部分更换为AFNO3D块；所述多层感知机优化单元用于将原始Transformer模型中的MLP块部分更换为SwishMLP块；所述逆卷积优化单元用于将原始Transformer模型中的PatchRecovery部分的逆卷积操作更换为卷积操作与PixelShuffle层的结合；所述历史气象资料包括：4个高空变量、5个地面要素、3个常量和5个目标变量；所述4个高空变量包括：位势、温度、径向风和纬向风；所述5个地面要素包括：2m处温度、平均海平面气压、地表气压、10m处径向风和10m处纬向风；所述3个常量包括：地形、海陆掩膜和纬度余弦值；所述5个目标变量包括：500hPa时位视高度、850hPa时温度场、径向风场、纬向风场和2m处温度场；所述模型训练模块包括：第一模型训练单元、最优时次确认单元、第二模型训练单元和模型评估单元；所述模型训练单元使用不同输入时次数量的时次配置，并将所述气象要素季节内振荡分量作为训练集，对所述优化后模型进行训练，得到预报时效为10天的若干不同输入时次的模型；所述最优时次确认单元利用若干所述不同输入时次的模型对所述5个目标变量进行预报，并将预报结果均方根误差值最小的模型对应的输入时次数作为最优输入时次数；所述第二模型训练单元使用所述最优输入时次数的时次配置，并将所述气象要素季节内振荡分量作为训练集，对所述优化后模型进行训练，得到预报时效为11-30天的若干初始预报模型；所述模型评估单元利用若干所述初始预报模型对所述5个目标变量进行预报，并计算预报结果的均方根误差和异常相关系数，之后利用所述均方根误差和所述异常相关系数评估若干所述初始预报模型的预报效果，选择效果最优的作为所述延伸期预报模型。

全文数据：

权利要求：

百度查询： 无锡学院 无锡天祺云辰科技有限责任公司 中国气象局公共气象服务中心(国家预警信息发布中心) 基于Transformer的气象要素季节内振荡分量的延伸期预报系统及方法