[发明专利]一种基于神经网络的多气象数据预测方法

权利要求书

1.一种基于神经网络的多气象数据预测方法，其特征在于，该方法包括：向神经网络输入过去A小时的气象数据，包括：N张雷达图像、N张降水图像和N张平均风图像，神经网络输出未来A小时的M张雷达图像、M张降水图像和M张平均风图像，从而预测未来A小时的气象数据；

神经网络采用编码器-解码器的神经网络结构，编码器和解码器都包含4个阶段，每个阶段采用特征提取模块FEM构成，编码器中的特征共享到解码器中，使用双卷积网络进行三种气象数据的特征融合；

神经网络的输入的三类图像数据表示为降水X_P，雷达图X_R，平均风X_W，输出结果为三类图像数据，表示为降水Y_P，雷达图Y_R，平均风Y_W，整个神经网络表示为函数Γ(·)；

{Y_P,Y_R,Y_W}＝Γ(X_P,X_R,X_W,θ)

其中θ为神经网路的参数；

训练该神经网络的损失函数为MSELoss函数表示为，

MSELoss({X_P,X_R,X_W},{Y_P,Y_R,Y_W})＝({Y_P,Y_R,Y_W}-{X_P,X_R,X_W})²

使用多气象数据图像对神经网络进行训练，通过训练得到神经网络的Γ(·)的参数θ′；

训练完成后，使用神经网络进行推理，

{R_P,R_R,R_W}＝Γ(X_P,X_R,X_W,θ′)。

2.如权利要求1所述的基于神经网络的多气象数据预测方法，其特征在于，神经网络的输入的三类图像数据表示为降水X_P，雷达图X_R，平均风X_W，其中X_P＝{x_{P_1},x_{P_2},…,x_{P_N}}，是N张降水图像x_{P_i}的集合，X_R＝{x_{R_1},x_{R_2},…,x_{P_N}}，是N张雷达图像x_{R_i}的集合，X_W＝{x_{W_1},x_{W_2},…,x_{W_N}}，是N张平均风图像x_{w_i}的集合；输出结果也为三类图像数据，表示为降水Y_P，雷达图Y_R，平均风Y_W，其中Y_P＝{y_{P_1},y_{P_2},…,y_{P_M}}，是M张降水图像y_{P_i}的集合，Y_R＝{y_{R_1},y_{R_2},…,y_{R_M}}，是M张降水图像y_{R_i}的集合，Y_W＝{y_{W_1},y_{W_2},…,y_{W_M}}，是M张降水图像y_{W_i}的集合。

3.如权利要求2所述的基于神经网络的多气象数据预测方法，其特征在于，N＝M。

4.如权利要求2所述的基于神经网络的多气象数据预测方法，其特征在于，A小时为2小时。