公开(公告)号：CN114626512B

公开(公告)日：2022-09-06

申请号：CN202210532112.6

申请日：2022-05-17

Applicant: 南京信息工程大学

Inventor： 王国杰 ,  罗子聪 ,  姜彤 ,  王艳君 ,  苏布达 ,  王国复 ,  冯爱青

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G08B21/10 ,  G08B31/00 ,  G01W1/10

Abstract: 本发明公开了一种基于有向图神经网络的高温灾害预报方法，包括步骤如下：S1，将各气象要素分别进行标准化处理，使各气象要素按比例缩放在同一取值范围内；S2，构建有向图神经网络模型，将各气象要素作为图中的节点，采用图邻接矩阵描述各节点之间的关系；再采用逐步学习策略学习节点信息，并不断更新邻接矩阵的状态；S3，确定损失函数后开始训练有向图神经网络模型，通过调整学习率、优化器、正则化参数得到满足要求的模型作为预测模型，并保存预测模型；S4，输入历史气象数据，得到未来一段时间的高温灾害指数预报，发出相应的灾害预警。本发明在模型中加入了注意力机制，能够使模型关注对变量影响大的部分，更有利于有效信息的聚合。

公开(公告)号：CN114626512A

公开(公告)日：2022-06-14

申请号：CN202210532112.6

申请日：2022-05-17

Applicant: 南京信息工程大学

Inventor： 王国杰 ,  罗子聪 ,  姜彤 ,  王艳君 ,  苏布达 ,  王国复 ,  冯爱青

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G08B21/10 ,  G08B31/00 ,  G01W1/10

Abstract: 本发明公开了一种基于有向图神经网络的高温灾害预报方法，包括步骤如下：S1，将各气象要素分别进行标准化处理，使各气象要素按比例缩放在同一取值范围内；S2，构建有向图神经网络模型，将各气象要素作为图中的节点，采用图邻接矩阵描述各节点之间的关系；再采用逐步学习策略学习节点信息，并不断更新邻接矩阵的状态；S3，确定损失函数后开始训练有向图神经网络模型，通过调整学习率、优化器、正则化参数得到满足要求的模型作为预测模型，并保存预测模型；S4，输入历史气象数据，得到未来一段时间的高温灾害指数预报，发出相应的灾害预警。本发明在模型中加入了注意力机制，能够使模型关注对变量影响大的部分，更有利于有效信息的聚合。