申请/专利权人：四川省雅安市气象局;四川省气象探测数据中心

申请日：2023-03-20

公开（公告）日：2024-04-16

公开（公告）号：CN116485010B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N3/044;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.08.11#实质审查的生效;2023.07.25#公开

摘要：本发明公开了一种基于循环神经网络的S2S降水预测方法，包括：S1、收集待预测区域的历史降水数据，对其进行时间分解；S2、对历史降水数据进行LOESS局部加权回归分析，分析考虑气候变化影响的降水趋势；S3、确定预测区域的多圈层气候因子，将其统一为月尺度的气候因子指数；S4、构成输入特征输入至基于循环神经网络的预测模型中，获得不同季节的降水预测结果。本发明提供动态的不同季节的降水预测方法，可以应用于多种地形下的S2S降水预测；可以应用于未来气候变化下的降水预测；在大型计算机上确定参数以后，即可在个人PC上运行，节省了计算资源；本发明获得"四川省科技计划2022YFS0544”支持。

主权项：1.一种基于循环神经网络的S2S降水预测方法，其特征在于，包括以下步骤：S1、收集待预测区域的历史降水数据，并对其进行时间分解；S2、对历史降水数据进行LOESS局部加权回归分析，分析考虑气候变化影响的降水趋势；S3、确定预测区域的多圈层气候因子，将其统一为月尺度的气候因子指数；S4、将时间分解数据、降水趋势以及气候因子指数构成输入特征输入至基于循环神经网络的预测模型中，获得不同季节的降水预测结果；所述步骤S4中的预测模型包括依次连接的输入层、模型计算层以及输出层；所述输入层的输入特征依次为待预测地区前一年12个月的输入特征；所述模型计算层包括一个2×4×14的隐藏层和一个2×12的全连接层，其中隐藏层用于计算输入特征和降水之间的非线性关系，确定与未来降水有关的无量纲数，全连接层用于将隐藏层计算的无量纲数转换为有量纲的降水数据；所述输出层包括两个全连接层，分别对应夏半年和冬半年，用于将夏半年和冬半年的降水预测结果按时间顺序排列，得到输入层中历史降水所在位置下未来12个月的降水预测结果；将预测降水结果映射至对应的地形上；在预测夏半年的降水结果时，对预测模型训练时采用的损失函数为： 在预测冬半年的降水结果时，对预测模型训练时采用的损失函数为： 式中，MSE_loss·为MSE损失函数，MAE_loss·为MAE损失函数，为预测的降水量，y为实际的降水量，为模型预测的第i个月的降水量，yi为对应的实际第i个月的降水量，n为总的预测月数。

全文数据：

权利要求：

百度查询： 四川省雅安市气象局;四川省气象探测数据中心 一种基于循环神经网络的S2S降水预测方法

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