申请/专利权人:西安理工大学
申请日:2023-12-25
公开(公告)日:2024-06-14
公开(公告)号:CN118195368A
主分类号:G06Q10/0639
分类号:G06Q10/0639;G06Q50/26;G06N3/0442;G06N3/0464;G06N3/09;G01W1/10
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明公开了基于深度学习的骤旱像素级集成预报方法,包括:步骤1、收集整理历史数据,构建指标,并将指标数据结构化,得到结构化数据样本集;步骤2、构建深度学习基模型块,选择多种不同的深度学习算法,利用步骤1得到的数据集得到每个基模型的骤旱指标SSI预测结果;步骤3、根据每个基模型的预测结果,得到模型集成的预测结果;步骤4、对每个基模型的预测结果和集成预测结果进行评估,根据评估结果调整模型超参数,直至模型评估指标达到最优;步骤5、利用步骤4的最优模型对骤旱进行预报,得到集成预报数据集。本发明方法可实现超长预见期下像素级别的骤旱精准预报,解决了骤旱预报中分辨率低、准确性差、预见期短的问题。
主权项:1.基于深度学习的骤旱像素级集成预报方法,其特征在于,具体按照以下步骤实施:步骤1、收集整理历史数据,构建指标,并将指标数据结构化,得到结构化数据样本;步骤2、构建深度学习基模型块,选择多种不同的深度学习算法,利用步骤1得到的数据集得到每个基模型的骤旱指标SSI预测结果;步骤3、根据每个基模型的预测结果,得到模型集成的预测结果;步骤4、对每个基模型的预测结果和集成预测结果进行评估,根据评估结果调整模型超参数,直至模型评估指标达到最优;步骤5、利用步骤4的最优模型对骤旱进行预报,得到集成预报数据集。
全文数据:
权利要求:
百度查询: 西安理工大学 基于深度学习的骤旱像素级集成预报方法
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。