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：南京信息工程大学

摘要：本发明公开了一种基于改进的U‑Net网络的次季节极端高温预测方法，包括以下步骤：（1）选择数值模式和目标区域，获取对极端高温影响的物理因子，构建数据集并进行预处理；（2）构建基于残差模块的U‑Net深度学习模型；（3）对模型进行训练；将处理好的数据按照年份先后分为训练集、验证集与测试集，训练集与验证集随机分批次对网络进行训练；（4）将测试集多因子模式数据输入训练好的模型中得到最终的次季节极端高温预测结果；本发明在U‑Net网络结构中结合了残差模块，提高了数据利用效率，增强了网络拟合能力，提升了模型学习能力。

主权项：1.一种基于改进的U-Net网络的次季节极端高温预测方法，其特征在于，包括以下步骤：（1）选择数值模式和目标区域，获取对极端高温影响的物理因子，构建数据集并进行预处理；具体如下：使用ERA5再分析数据和ECMWF模式预报数据，并进行归一化处理，构建数据集，将数据集划分为训练集、验证集和测试集；其中，物理因子包括：200、500、850hPa的位势高度，风场，比湿和垂直湿度；（2）构建基于残差模块的U-Net深度学习模型；具体如下：残差模块的U-Net深度学习模型包括：编码器、残差模块、解码器和输出层；其中，利用残差模块替换U-Net中所有卷积模块；包括以下步骤：（21）编码：将归一化后的数据集作为输入数据，利用残差模块和最大池化进行2次下采样；其中，所有的激活函数都为线性整流函数ReLU激活；（22）残差模块：将输入数据分为2组，其中一组数据经过1x1的卷积层、3x3的卷积层、1x1卷积层，另一组数据经过1x1卷积层；两组数据进行拼接操作；（23）解码由2个上采样模块组成，每个块包含逆卷积层、残差块、批量归一化和激活函数；解码器中的每一层都与编码器中相应的层连接，通过跳跃连接将底层和高层的语义信息结合在一起即采用首与尾到中间与中间跳跃连接的U形卷积网络结构；（24）输出层通过一个1x1卷积层，将解码器的输出映射为最终的回归预测结果；（3）对模型进行训练；将处理好的数据按照年份先后分为训练集、验证集与测试集，训练集与验证集随机分批次对网络进行训练；具体如下：利用均方误差MSE和风险评分TS加权损失函数，根据训练集中模型结果与目标数据的差异进行梯度下降；其中，损失函数loss公式如下： ； ； ；其中，a是超参数，i为格点位置，为模型i格点的结果，为目标i格点的数值，N为总格点数；Hits表示观测到的极端高温被正确预报的数量；表示预报的极端高温事件中实际未发生的数量，表示观测到的极端高温未预报的数量；根据每个不同的预报时效的超参数a分别为0.5，1.5，2，2；在训练过程中调整模型结构及参数包括卷积层设置、池化层设置、学习率、优化算法，训练得到降尺度误差最小的模型。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于改进的U-Net网络的次季节极端高温预测方法