[发明专利]基于LSTM-DNN网络模型的实时天气预测算法在审
| 申请号： | 202110628314.6 | 申请日： | 2021-06-07 |
| 公开（公告）号： | CN113095443A | 公开（公告）日： | 2021-07-09 |
| 发明（设计）人： | 孙莉;吴慧东;丁莎;张国和;郑培清 | 申请（专利权）人： | 江苏思远集成电路与智能技术研究院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G01W1/10 |
| 代理公司： | 常州盛鑫专利代理事务所(普通合伙) 32459 | 代理人： | 刘燕芝 |
| 地址： | 213164 江苏省常州市武进区*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 lstm dnn 网络 模型 实时 天气 预测 算法 | ||
1.基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，以深度神经网络和长短期记忆网络为理论支持，对某地区若干年内每小时的气象要素进行分类，进而对输入数据进行预处理，先进行数据的筛选，去除缺测漏测数据，并进行归一化；根据此数据预测出未来时间段内多种气象要素的变化值，将训练后的两个网络连接构成LSTM-DNN网络；其中，DNN网络权值不需要获得，选取训练完成的网络模型参数使用，LSTM网络得到预测的多种气象要素值作为后半部分DNN网络的输入将网络连接起来，从而基于当时气象要素推测未来天气情况。
2.如权利要求1所述的基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，基于气象信息自动采集平台，采集某地区十年内每小时的气象要素，所述的气象要素至少包括温度、湿度、气压、风向、风速、降雨量和能见度。
3.如权利要求1所述的基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，根据气象要素以及当时天气情况，对输入数据进行人工分类，搭建根据天气要素推测天气情况的深度全连接网络来对其进行分类。
4.如权利要求3所述的基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，将所有按小时统计的历史气象要素数据，剔除异常值并使用智能算法补全缺失数据段，再进行归一化，整理为按小时统计的气象要素数据，得到气象要素样本集。
5.如权利要求1所述的基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，使用Tensorflow框架搭建深度神经网络，并用气象要素样本数据和其对应的天气状况样本集训练网络模型。
6.如权利要求5所述的基于LSTM-DNN网络模型的实时天气预测算法，其特征在于，将生成的网络模型进行验证，调整模型结构参数后再次训练，重复训练过程后筛选最优的模型结构。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏思远集成电路与智能技术研究院有限公司，未经江苏思远集成电路与智能技术研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110628314.6/1.html，转载请声明来源钻瓜专利网。
