[发明专利]一种基于图的融合时空注意力的地表太阳辐射度预测方法

权利要求书

1.一种基于图的融合时空注意力的地表太阳辐射度预测方法，其特征在于，包括以下步骤：

选择覆盖实测站点的SWR子网格来构建图，气象网格点和地面辐射度实测站点作为图的结点；

使用空间嵌入和时间嵌入来表示图结构和时间信息；

使用融合时空的注意力机制学习图中结点间的动态关系联性；

在编码器encoder和解码器decoder中间加入变换注意力模块,通过时空嵌入来建模历史和未来的关系；

将实测站点的结点特征作为解码器decoder的输入来进行太阳辐射度预测；

在所述使用融合时空的注意力机制学习图中结点间的动态关联性步骤中，使用encoder-decoder的结构，encoder和decoder均由L个spatial-temporal-attention堆叠而成，设第l个spatial-temporal-attention层的输入为H^(l-1),结点v_i在时间步t_j的隐藏态表示为：第l层的输出为H^l，结点v_i在时间步t_j的第l层的隐藏态输出为：

是时间步t_j的结点v_i对t时间步的结点v的注意力分数，

将隐藏状态和时空嵌入拼接起来计算(v_i,t_j)和(v,t)的相关性：

||表示拼接操作，a,b表示向量a和向量b的内积，2D表示向量a和向量b的维度；

通过对做softmax归一化，将得到注意力分数

利用公式(3)得到的注意力分数α代入公式(1)中将得到t_j时间步的v_i结点的融合时空注意力的l层输出进而得到H^l,H¹为X经两个全连接层后由R^P×N×C映射到R^P×N×D的结果；

在编码器encoder和解码器decoder中间加入变换注意力模块,通过时空嵌入来建模历史和未来的关系步骤中，对于结点v_i来说,其未来时间步t_j(t_j＝t_P+1,…,t_P+Q)和历史时间步t(t＝t₁,…,t_P)的相关性通过该结点在t_j时刻的空间嵌入向量和t时刻的空间嵌入来衡量，d表示向量和的维度：

未来时间步t_j对历史时间步t的注意力分数为经softmax归一化后的结果：

第l层Transform-attention结点v_i在时间步t_j(jP)的输出为第l-1层该结点在所有tt_P时间步上以为权值的状态值的加权和:

2.根据权利要求1所述的方法，其特征在于，在所述使用空间嵌入和时间嵌入来表示图结构和时间信息步骤中，所述空间嵌入是通过图卷积神经网络GCN将结点嵌入到向量中来保存图结构信息，得到结点表示后将通过两个全连接图卷积神经网络将特征纬度变换到D维；时间嵌入是把每个时间步编码到向量中。

3.根据权利要求2所述的方法，其特征在于，结点v_i的空间嵌入表示为使用one-hot编码时间到R^T中,再通过两个全连接网络将特征映射到R^D,t_j时间步的时间嵌入表示为：融合空间嵌入和时间嵌入，得到结点v_i在时间步t_j的时空嵌入的表示：N个结点在(P+Q)的时间步里的STE表示为E∈R^(P+Q)×N×D,将用于时空注意力机制和变换注意力机制。