申请/专利权人:南京信息工程大学;无锡学院;南京气象科技创新研究院;中国人民解放军国防科技大学
申请日:2023-11-16
公开(公告)日:2024-02-23
公开(公告)号:CN117236201B
主分类号:G06F30/27
分类号:G06F30/27;G01W1/10;G06N3/0455;G06N3/048;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.02.23#授权;2024.01.02#实质审查的生效;2023.12.15#公开
摘要:本发明公开了一种基于Diffusion和ViT的降尺度方法,包括以下步骤:S1建立低分辨率数值模式降水预报与高分辨率降水观测样本,并进行预处理;S2构建Diffusion‑Vision‑Transformer降水预报模型;S3训练模型,直至Diffusion‑Vision‑Transformer的误差收敛,保存模型并进行预测;本发明通过利用VisionTransformer模型代替原始Diffusion模型中的U‑Net结构,大幅提高模型的训练效率,减低模型用于预测的时间。
主权项:1.一种基于Diffusion和ViT的降尺度方法,其特征在于,包括以下步骤:S1:建立低分辨率数值模式降水预报与高分辨率降水观测样本,并进行预处理;S2:构建Diffusion-Vision-Transformer降水预报模型;包括以下步骤:S21:在Diffusion模型中对高分辨率降水观测样本进行前向加噪;S22:利用Vision-Transformer模型提取低分辨率数值模式降水预报的高阶空间特征;S23:在Diffusion模型中对步骤S21得到的结果进行去噪,并引入步骤S22得到的高阶空间特征作为条件信息,得到降尺度后的高分辨率降水预报;S3:训练模型,直至Diffusion-Vision-Transformer的误差收敛,保存模型并进行预测。
全文数据:
权利要求:
百度查询: 南京信息工程大学;无锡学院;南京气象科技创新研究院;中国人民解放军国防科技大学 一种基于Diffusion和ViT的降尺度方法
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。