公开(公告)号：CN116992249B

公开(公告)日：2024-01-23

申请号：CN202311272138.2

申请日：2023-09-28

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  范本祥 ,  谈玲

IPC: G06F18/20 ,  G01W1/10 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于FMCNN‑LSTM的格点预报偏差订正方法，首先获取预报数据和观测数据，在数据预处理阶段，将两种数据插值到同一分辨率，并对预报数据进行空间合并化处理；随后将数据进行序列化和归一化处理；在构建深度学习神经网络结构阶段。本发明通过构建一个包含CNN卷积和LSTM层的神经网络进行预报订正，能够更加准确地订正预报数据趋势；在训练时，本发明将预报数据和ERA5转化为适合神经网络训练的格式，并使用MSE损失函数和Adam优化器进行模型的训练；本发明所述方法能够适应不同的气象环境，可广泛应用于气象预报、农业生产等领域，提高气象预报准确性和生产效率。(56)对比文件Jingming Xia等.A Deep Learning MethodIntegrating Multisource Data for ECMWFForecasting Products Correction《.IEEEGeoscience and Remote Sensing Letters》.2023,1-5.李紫丁.基于深度学习的气象要素格点预报模式订正《.中国优秀硕士学位论文全文数据库(基础科学辑)》.2019,(第12期),A009-15.Yi-Ming Zhang等.Multi-head attention-based probabilistic CNN-BiLSTM for day-ahead wind speed forecasting《.Energy》.2023,第278卷1-12.

公开(公告)号：CN116992249A

公开(公告)日：2023-11-03

申请号：CN202311272138.2

申请日：2023-09-28

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  范本祥 ,  谈玲

IPC: G06F18/20 ,  G01W1/10 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于FMCNN‑LSTM的格点预报偏差订正方法，首先获取预报数据和观测数据，在数据预处理阶段，将两种数据插值到同一分辨率，并对预报数据进行空间合并化处理；随后将数据进行序列化和归一化处理；在构建深度学习神经网络结构阶段。本发明通过构建一个包含CNN卷积和LSTM层的神经网络进行预报订正，能够更加准确地订正预报数据趋势；在训练时，本发明将预报数据和ERA5转化为适合神经网络训练的格式，并使用MSE损失函数和Adam优化器进行模型的训练；本发明所述方法能够适应不同的气象环境，可广泛应用于气象预报、农业生产等领域，提高气象预报准确性和生产效率。