[发明专利]跑道视程预测值获取方法、计算机设备和存储介质

权利要求书

1.一种跑道视程预测值获取方法，其特征在于，所述方法包括：

获取历史气象观测数据和历史跑道视程；

将所述历史气象观测数据和所述历史跑道视程输入预设的预测模型进行加权和编解码处理，得到待预测时刻的跑道视程预测值；

其中，所述预测模型包括注意力模块、编码器和解码器。

2.根据权利要求1所述的方法，其特征在于，所述注意力模块包括变量注意力模块和时序注意力模块，所述变量注意力模块用于进行变量加权处理，所述时序注意力模块用于进行时序加权处理；

所述将所述历史气象观测数据和所述历史跑道视程输入预设的预测模型进行加权和编解码处理，得到待预测时刻的跑道视程预测值，包括：

将归一化后的历史气象观测数据、所述编码器在上一时刻的隐藏状态和细胞状态输入所述变量注意力模块，得到加权变量序列；

将所述加权变量序列输入编码器进行编码，得到状态变量序列；

将所述状态变量序列、所述解码器在上一时刻的隐藏状态和细胞状态输入所述时序注意力模块，得到加权状态变量序列；

将归一化后的历史跑道视程和所述加权状态变量序列输入所述解码器，得到所述跑道视程预测值。

3.根据权利要求2所述的方法，其特征在于，所述归一化后的历史气象观测数据为归一化历史气象观测数据序列，所述归一化后的历史跑道视程为归一化历史跑道视程序列；

所述归一化历史气象观测数据序列的获取方式包括对所述历史气象观测数据执行序列归一化操作的方式；所述归一化历史跑道视程序列的获取方式包括对所述历史跑道视程执行序列归一化操作的方式；

其中，所述序列归一化操作包括：

获取初始数据在至少一个维度的初始数据序列；

获取每列所述初始数据序列中的数值的均值和标准差；

将每列所述初始数据序列中的数值和对应的均值之差，与对应的标准差作比，得到每列所述初始数据序列对应的中间数据序列；

将预设量纲常数，与每列所述初始数据序列中数值的最大值与最小值之差的比值，作为目标量纲；

将所述中间数据序列和所述目标量纲的乘积作为所述初始数据归一化后的归一化数据序列。

4.根据权利要求3所述的方法，其特征在于，所述将归一化后的历史气象观测数据、所述编码器在上一时刻的隐藏状态和细胞状态输入所述变量注意力模块，得到加权变量序列，包括：

将所述编码器在上一时刻的隐藏状态和细胞状态分别进行列向量扩展，并与所述归一化历史气象观测数据序列进行叠加，得到编码矩阵；

采用所述变量注意力模块对所述编码矩阵进行全连接感知，得到第一权重矩阵；

对所述第一权重矩阵进行向量归一化，得到归一化权重向量；

将所述归一化权重向量和所述归一化历史气象观测数据序列逐点相乘，得到所述加权变量序列。

5.根据权利要求2所述的方法，其特征在于，所述编码器为长短期记忆网络；所述将所述加权变量序列输入编码器进行编码，得到状态变量序列，包括：

采用所述编码器对所述加权变量序列进行编码处理，得到所述状态变量序列。

6.根据权利要求2所述的方法，其特征在于，所述将所述状态变量序列、所述解码器在上一时刻的隐藏状态和细胞状态输入所述时序注意力模块，得到加权状态变量序列，包括：

将所述解码器在上一时刻的隐藏状态和细胞状态分别进行列向量扩展，并与所述状态变量序列进行叠加，得到解码矩阵；

采用所述时序注意力模块对所述解码矩阵进行全连接感知，得到第二权重矩阵；

根据所述第二权重矩阵和所述状态变量序列，得到所述加权状态变量序列。

7.根据权利要求3所述的方法，其特征在于，所述解码器为长短期记忆网络，所述将归一化后的历史跑道视程和所述加权状态变量序列输入所述解码器，得到所述跑道视程预测值，包括：

对所述归一化历史跑道视程序列和所述加权状态变量序列进行叠加，得到第三权重矩阵；

采用所述解码器对所述第三权重矩阵进行激活函数进行线性变换，得到所述跑道视程预测值。