欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020100183597
申请人: 浙江师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度学习的多气象因子模式预报温度订正方法,其特征在于,包括:步骤1:将模式预报数据与实况数据进行对应;

步骤2:对模式预报数据进行特征扩充;

步骤3:对特征扩充后的模式预报数据使用K‑means进行聚类;

步骤4:使用聚类后的模式预报数据,采用长短时记忆网络结合注意力机制分别进行建模,得到订正温度;

步骤5:对建模后得到的订正温度进行整合,得到最终订正结果;

所述步骤5具体包括:

确立用于评价预测效果的综合指标,所述综合指标的计算公式为:综合指标=ACC/(MSE×MAE);

式中,ACC为温度预测准确率,即绝对误差在2℃范围以内的站点占总站点的比率,MSE是均方根误差,MAE是绝对误差;

利用综合指标分别对最低温或最高温的订正温度进行评价,选择综合指标值最大的数据作为评价结果;

根据经纬度对应关系将最低温n个类别的评价结果进行整合,得到最低温的最终订正结果;

根据经纬度对应关系将最高温m个类别的评价结果进行整合,得到最高温的最终订正结果。

2.根据权利要求1所述的一种基于深度学习的多气象因子模式预报温度订正方法,其特征在于,所述步骤1具体包括:下载ECWMF模式预报数据;

将国际时间命名的模式预报数据文件转换成北京时间命名的模式预报数据文件;

将北京时间命名的模式预报数据文件与相应的实况数据文件进行对应;

将相应的模式预报数据插值到站点上,得到每个站点对应的模式预报数据。

3.根据权利要求1所述的一种基于深度学习的多气象因子模式预报温度订正方法,其特征在于,所述步骤2具体包括:将对应后的最低温模式预报气象因子数据进行二次多项式特征扩充;

将对应后的最高温模式预报气象因子数据进行三次多项式特征扩充。

4.根据权利要求1所述的一种基于深度学习的多气象因子模式预报温度订正方法,其特征在于,所述步骤3具体包括:利用手肘法则分别确立最高温和最低温的聚类最优K值;

分别对最低温和最高温特征扩充后的项采用K‑means聚类为K类。

5.根据权利要求1所述的一种基于深度学习的多气象因子模式预报温度订正方法,其特征在于,所述步骤4具体包括:采用长短时记忆网络作为基础模型,结合注意力机制构建模式预报温度订正模型;

分别将最低温聚类后的n个类别数据输入模式预报温度订正模型;

分别将最高温聚类后的m个类别数据输入模式预报温度订正模型;

分别对最低温或最高温中每个类别的模式预报温度订正模型进行训练,确定LSTM层数、神经元个数以及各个模型的调试参数;

将模式预报最低温或最高温数据输入训练好的模型中进行预测,得到订正温度。

6.一种基于深度学习的多气象因子模式预报温度订正系统,其特征在于,所述系统使用如权利要求1‑5任一项所述的一种基于深度学习的多气象因子模式预报温度订正方法。