-
公开(公告)号：CN116307224A
公开(公告)日：2023-06-23
申请号：CN202310312312.5
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于递归门控卷积和注意力机制改进的ENSO时空预测方法，包括如下步骤，S1、构建ENSO样本数据集；S2、构建密集卷积(Dense Block)模块增强特征传播降低参数数量；S3、构建利用Attention机制改进的MIMG‑Encoder‑Decoder架构；S4、转置卷积恢复特征图的原始大小；S5、构建并训练ENSO时空预测模型；S6、预测时空序列。本发明通过多层密集卷积模块可以很好的提取时空序列数据的高维空间特征，抑制非必要的冗余特征。改进后的MIMG模块能够更好的学习到ENSO数据时空演化的高阶非平稳性。本发明提出的ENSO时空预测模型架构理论上适用于所有的时空序列。
Search Results
1
records
(took 0.025 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
