申请/专利权人:中国地质大学(武汉)
申请日:2023-10-20
公开(公告)日:2024-05-28
公开(公告)号:CN118095345A
主分类号:G06N3/0442
分类号:G06N3/0442;G01W1/10;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.14#实质审查的生效;2024.05.28#公开
摘要:本发明公开了一种降水预测模型,包括以下步骤:获取标签数据、训练数据集、验证数据集、测试数据集;构建空间自相关模块,将空间自相关模块嵌入模型ConvLSTM中,形成单元AConvLSTM‑SACUnit,将单元A的普通卷积替换成可变形卷积形成单元BDConvLSTM‑SACUnit,单元A和B交叉堆叠形成降水预测模型的四层内存流框架;将训练数据集、验证数据集、测试数据集先后输入降水预测模型得到最终的降水预测模型。本方案利用可变形卷积处理降水图像能更好地适应降水的不规则空间分布,更好地保持空间特征信息的完整性;空间自相关可以反映降水的聚集性,更好地捕捉降水相似的区域,提高模型降水预测的准确性。
主权项:1.一种逐小时降水预测方法,其特征在于,包括以下步骤:S1、获取研究区域一段历史时间内的时降水数据,使用长度为L的滑动窗口选取降水数据作为样本数据集,将样本数据后一小时的降水数据作为标签数据,将样本数据集和标签数据进行预处理,得到预处理后样本数据集和标签数据,将预处理后样本数据集划分为训练数据集、验证数据集、测试数据集;S2、构建空间自相关模块,将空间自相关模块嵌入模型ConvLSTM中,形成单元A,将单元A的普通卷积替换成可变形卷积形成单元B;S3、将单元A和单元B交叉堆叠,形成四层内存流框架,得到降水预测模型;S4、将训练数据集输入所述降水预测模型进行训练,完成对所述模型的参数更新和优化,得到训练后的降水预测模型;S5、将验证数据集输入训练后的降水预测模型,完成对训练后的降水预测模型的参数更新和优化,得到最终的降水预测模型;S6、将测试数据集输入最终的降水预测模型,将得到的数据与所述预处理后的标签数据进行对比,评估模型的精度。
全文数据:
权利要求:
百度查询: 中国地质大学(武汉) 一种逐小时降水预测方法及存储介质、电子设备
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。