申请/专利权人：南京工业大学

申请日：2024-01-23

公开（公告）日：2024-04-30

公开（公告）号：CN117953285A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0442;G06N3/084;G01W1/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于注意力LSTM网络的天气预测方法，属于机器学习领域。该方法包括：获取天气数据集，对数据集进行预处理，将其划分为训练集和测试集，得到用于训练和测试预测网络的序列数据；在PredRNN++网络预测单元CausalLSTM的基础上，本发明提出时序LSTM预测单元TemporalAttentionLSTM，TA‑LSTM，通过引入时序注意力模块TemporalAttentionModule，TAM，拓宽了预测网络的时间感受野，增强了网络的时间信息建模能力，同时，通过引入局部注意力机制LocalAttention，LA，增强了网络的空间信息建模能力；堆叠多层TA‑LSTM单元，构建天气预测网络；利用训练集对网络进行训练，优化网络参数；将测试集输入到训练好的预测网络，获得预测的天气序列，并使用评价指标对预测结果进行评估。与现有的预测方法相比，使用TA‑LSTM预测网络能得到更准确的预测结果。

主权项：1.一种基于注意力LSTM网络的天气预测方法，其特征在于，包括以下步骤：步骤1、获取天气序列数据集，对数据进行预处理，将其划分为训练集和测试集，得到用于训练和测试预测网络的序列数据；步骤2、基于注意力机制对历史序列信息根据其重要性进行聚合，并构建时序注意力模块TemporalAttentionModule，TAM，引入局部注意力机制LocalAttention，LA，增强模型学习复杂空间关系的能力，将时序注意力模块TAM以及局部注意力机制LA与CausalLSTM相结合构成时序注意力长短期记忆单元TA-LSTM；步骤3、将多个TA-LSTM单元以及GHU单元的输入与输出相连，构建用于预测天气的网络；步骤4、基于步骤1中获取的训练集对步骤3中搭建的预测网络进行训练，优化网络参数；步骤5、将步骤1中获取的测试集天气序列输入到步骤4中训练好的预测网络，获得预测天气序列，并使用评价指标对预测结果进行评估。

全文数据：

权利要求：

百度查询： 南京工业大学 一种基于注意力LSTM网络的天气预测方法

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