申请/专利权人：江西省气象服务中心(江西省专业气象台、江西省气象宣传与科普中心)

申请日：2023-12-11

公开（公告）日：2024-03-22

公开（公告）号：CN117390592B

主分类号：G06F18/27

分类号：G06F18/27;G06F18/214;G06F18/21;G06F18/2131;G06F18/15;G06N3/08;G01W1/10;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明提供了一种特色景观预报模型构建方法及系统，该方法包括：获取连续若干年内产生的气象数据，并通过预设回归模型检测出气象数据中包含的若干原始自变量；基于预设规则在若干原始自变量中提取出若干目标自变量，并将若干目标自变量设定为对应的气象因子；通过预设小波分析法实时检测出气象因子的变化周期，并提取出变化周期中包含的周期因子；将若干气象因子以及周期因子均输入至预设神经网络中，以训练出对应的景观预报模型，并通过景观预报模型预测出各个景观的出现日期。本发明能够准确的预测出各个景观的出现日期，提升了用户体验。

主权项：1.一种特色景观预报模型构建方法，其特征在于，所述方法包括：获取连续若干年内产生的气象数据，并通过预设回归模型检测出所述气象数据中包含的若干原始自变量；基于预设规则在若干所述原始自变量中提取出若干目标自变量，并将若干所述目标自变量设定为对应的气象因子；通过预设小波分析法实时检测出所述气象因子的变化周期，并提取出所述变化周期中包含的周期因子；将若干所述气象因子以及所述周期因子均输入至预设神经网络中，以训练出对应的景观预报模型，并通过所述景观预报模型预测出各个景观的出现日期；所述将若干所述气象因子以及所述周期因子均输入至预设神经网络中，以训练出对应的景观预报模型的步骤包括：当分别获取到所述气象因子以及所述周期因子时，基于预设权重对所述气象因子以及所述周期因子进行混合处理，以生成对应的目标数据集，并根据预设比例将所述目标数据集拆分成对应的训练集以及验证集；检测出所述预设神经网络中分别包含的转换层、解析层以及学习层，并基于所述训练集以及所述验证集通过所述转换层、所述解析层以及所述学习层对应训练出所述景观预报模型；所述基于所述训练集以及所述验证集通过所述转换层、所述解析层以及所述学习层对应训练出所述景观预报模型的步骤包括：当获取到所述训练集时，通过所述转换层中的第一预设算法对所述训练集进行归一化处理，以输出若干对应的特征值；通过所述解析层中的第二预设算法对若干所述特征值进行解析处理，以将若干所述特征值解析成若干对应的特征序列；将若干所述特征序列输入至所述学习层中，以对应训练出所述景观预报模型，所述第一预设算法的表达式为： 其中，Y表示所述特征值，X表示所述气象因子，mini和maxi分别表示所述周期因子的最小值以及最大值，每一所述特征序列均具有唯一性；所述将若干所述特征序列输入至所述学习层中，以对应训练出所述景观预报模型的步骤包括：当获取到若干所述特征序列时，逐一检测出每一所述特征序列中分别包含的特征因子，并提取出所述学习层中包含的学习网络；检测出所述学习网络中包含的若干网络节点，并按照各个网络节点之间的连接顺序对每一所述网络节点添加对应的标识；提取出每一所述网络节点中分别包含的初始网络参数，并根据所述标识将每一所述初始网络参数分别对应替换成每一所述特征因子。

全文数据：

权利要求：

百度查询： 江西省气象服务中心(江西省专业气象台、江西省气象宣传与科普中心) 一种特色景观预报模型构建方法及系统

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