基于时空特征自适应提取的气象要素短期预测方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于时空特征自适应提取的气象要素短期预测方法及系统
申请号:CN202511050381
申请日期:2025-07-29
公开号:CN120930095A
公开日期:2025-11-11
类型:发明专利
摘要
本发明涉及气象预测技术领域,公开了一种基于时空特征自适应提取的气象要素短期预测方法及系统,包括:获取多源气象数据进行预处理生成时空网格张量;将时空网格张量气象要素短期预测模型中,模型根据当前输入的数据动态更新其参数,输出气象要素预测值,包括:基于时空网格张量通过多层卷积神经网络提取气象数据的多尺度空间特征;基于增强注意力机制生成增强后的时空特征;通过全连接层对增强后的时空特征进行回归预测输出未来时间步的气象要素预测值。本发明在不同气象场景中均保持稳定的预测精度,凭借卷积并行性和轻量化注意力设计提高计算效率,能满足小时级实时预报需求,便于在边缘设备或业务系统中部署提供及时可靠的气象预测支持。
技术关键词
短期预测方法 多层卷积神经网络 矩阵 注意力机制 网格 动态更新 气象预测技术 数据 预测模型训练 特征提取单元 模型预测值 可读存储介质 指令 计算机程序产品 误差 预测系统 指数
系统为您推荐了相关专利信息
预训练语言模型 文本 多模态 观点 术语
水电机组故障 识别方法 数据 时序 支持向量机
智能分析方法 动态时间规整 Apriori算法 序列 趋势预测模型
故障诊断方法 储能设备 遗忘机制 锂离子电池 噪声特征
深度卷积神经网络 协方差矩阵 DOA估计 信号 数学模型