一种基于多模态迁移学习与时间编码的能见度回归预测方法

本发明公开了一种基于多模态迁移学习与时间编码的能见度回归预测方法，涉及人工智能技术领域。方法步骤如下：S1依光照特性分时段划分数据集，各时段拆分为训练集、验证集和测试集；S2对数据集进行预处理；S3构建含预训练深度学习网络、时间编码模块及多层感知机回归头的初始模型；S4提取图像视觉特征与时间特征向量；S5融合特征并输入回归头预测；S6用分层参数冻结、AdamW优化器及双重学习率调度训练，结合混合早停策略至收敛；S7测试集评估确定最终模型。本发明挖掘图像与时间信息互补性，实现高精度预测，不同光照下泛化性良好，分层策略、优化机制保障训练稳定高效，多层感知机结合技术增强表达，有效防止过拟合。