[发明专利]一种基于卷积神经网络的高低空区域联合降雨预测方法有效
| 申请号： | 201910992079.3 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110728411B | 公开（公告）日： | 2022-04-12 |
| 发明（设计）人： | 张鹏程;曹文南;贾旸旸;戴启印 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q50/26 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 孟红梅 |
| 地址： | 210024 *** | 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： | 本发明提出了一种基于卷积神经网络的高低空区域联合降雨预测方法，运用相关系数法确定预测因子后，利用加权K‑means方法将所有站点以距离和风向作为权重进行分类，将与目标站点气象相关的周围站点找出，以便于协助目标站点预测降雨，再对于目标站点和周围站点的高空数据计算切变因子，将筛选出的地面因子和高空切变值结合并降维，最后输入TCN网络中建立降雨量预测模型，对目标地区未来12小时的降雨量进行预测，预测过程中充分考虑降雨的时序影响和周边地区的气象关联度。本发明方法克服了单站点、单层空间预测降雨不精确的特点，降雨预测更加准确，及时性也更强。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 低空 区域 联合 降雨 预测 方法 | ||
【主权项】：
1.一种基于卷积神经网络的高低空区域联合降雨预测方法，其特征在于，包括如下步骤：/n(1)收集气象相关的地面数据和高空站点观测数据并对收集的数据进行预处理；/n(2)根据地面数据的气象因子与降雨量实测值的相关关系确定影响降雨的气象预测因子；/n(3)将距离和风向作为权重衡量周围站点对于目标站点的影响，利用加权K-means方法找出与目标站点气象相关的周围站点进行辅助预测；/n(4)计算站点的高空切变值；/n(5)将高空切变因子和筛选的地面气象预测因子结合并降维；/n(6)将降维后的矩阵输入时间卷积网络TCN，利用TCN网络预测目标站点的降雨值。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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河海大学，未经河海大学许可，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/patent/201910992079.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
