[发明专利]基于RFR-Net的全球中性大气温度密度预测方法及设备

权利要求书

1.一种基于RFR-Net的全球中性大气温度密度预测方法，其特征在于，包括：

获取大气环境数据；所述大气环境数据包括：中性大气温度数据或中性大气密度数据；

根据大气环境数据生成待还原全球大气环境分布图，并对所述待还原全球大气环境分布图的缺失部分生成遮罩图层；

将所述待还原全球大气环境分布图和所述遮罩图层输入预先训练的空间分布模型，使所述空间分布模型根据待还原全球大气环境分布图的已有部分，对待还原全球大气环境分布图的缺失部分进行还原，得到还原后的完整全球大气环境分布图；

根据所述完整全球大气环境分布图确定全球大气环境数据；

其中，训练空间分布模型，包括：

获取样本数据集；

将所述样本数据集输入全球大气模型得到全球大气环境数据，根据全球大气环境数据生成全球大气环境分布图；

获取遮罩数据集；

构建循环特征推理网络，根据所述全球大气环境分布图和所述遮罩数据集对所述循环特征推理网络进行训练，使所述循环特征推理网络学习全球大气环境的空间分布；

在所述循环特征推理网络训练完成时，生成所述空间分布模型；

其中，在所述循环特征推理网络训练完成时，生成所述空间分布模型，包括：

设置训练参数对所述循环特征推理网络进行迭代训练；

每间隔预设迭代次数保存一次所述循环特征推理网络的模型参数；

在保存的模型参数中筛选空间分布上最优的模型参数作为定选模型参数，根据所述定选模型参数生成所述空间分布模型。

2.根据权利要求1所述的方法，其特征在于，所述获取样本数据集，包括：

获取空间分布表现满足预设要求的中性大气经验模型的输出数据作为所述样本数据集。

3.根据权利要求1所述的方法，其特征在于，得到的所述全球大气环境数据的空间精度为1°×1°，时间间隔为1小时。

4.根据权利要求1所述的方法，其特征在于，所述根据全球大气环境数据生成全球大气环境分布图，包括：

按照预设数值精度将所述全球大气环境数据划分为多个区间；

根据所述全球大气环境数据被划分出的区间数量预设对应数量的色值，并使全球大气环境数据的区间和预设色值一一对应；

根据全球大气环境数据各区间所对应的预设色值，生成全球大气环境分布图。

5.根据权利要求1所述的方法，其特征在于，所述完整全球大气环境分布图的像素大小与经纬度对应。

6.根据权利要求4所述的方法，其特征在于，所述得到还原后的完整全球大气环境分布图后，所述方法还包括：

确定所述完整全球大气环境分布图中是否存在非预设色值；

若存在，则在所述预设色值中，匹配与所述非预设色值近似度最高的预设色值对所述非预设色值进行替换。

7.一种基于RFR-Net的全球中性大气温度密度预测设备，其特征在于，包括：

处理器和存储器；

所述处理器与存储器通过通信总线相连接：

其中，所述处理器，用于调用并执行所述存储器中存储的程序；

所述存储器，用于存储程序，所述程序至少用于执行权利要求1-6任一项所述的一种基于RFR-Net的全球中性大气温度密度预测方法。