申请/专利权人:南京信息工程大学
申请日:2024-01-19
公开(公告)日:2024-04-30
公开(公告)号:CN117951462A
主分类号:G06F18/15
分类号:G06F18/15;G06F18/214;G06N3/045;G06N3/0442;G06N3/048;G06N3/084;G06Q10/04;G06Q50/26
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:本发明公开了一种深度学习神经网络预报降水量的正态化归一方法,包括:1、采集目标区域的各项气象要素数据以及降水量数据;2、对数据正态化分布变换和最大最小归一化处理;3、构建深度学习神经网络模型并用处理后的数据构建训练集和测试集,以训练集中气象要素数据作为输入,降水量数据作为输出训练深度学习神经网络模型,将测试集输入深度学习神经网络模型,输出降水量预测数据;4、将降水量预测数据反最大最小归一化后再进行反正态化分布变换处理,得到降水量预测结果。本发明解决含有大量0值的降水量时间序列数据做基于relu激活函数的人工神经网络预测时的输出抖动问题,正态化分布变换后的降水量时间序列数据符合正态分布。
主权项:1.一种深度学习神经网络预报降水量的正态化归一方法,其特征在于,包括如下步骤:步骤1、采集目标区域的各项气象要素数据以及降水量数据;步骤2、将降水量数据做正态化分布变换后再做最大最小归一化处理,同时将各项气象要素数据做最大最小归一化处理;步骤3、构建深度学习神经网络模型,并用处理后的数据构建训练集和测试集,以训练集中所有气象要素数据作为输入,降水量数据作为输出训练深度学习神经网络模型,模型训练完成后,将测试集输入深度学习神经网络模型,输出降水量预测数据;步骤4、将降水量预测数据反最大最小归一化后再进行反正态化分布变换处理,得到最终目标区域降水量预测结果。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种深度学习神经网络预报降水量的正态化归一方法
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。