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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD