公开(公告)号：CN118966457A

公开(公告)日：2024-11-15

申请号：CN202411142255.1

申请日：2024-08-20

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  岳璐 ,  徐经纬 ,  徐敏 ,  马廷淮

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/126 ,  G06F18/23

Abstract: 本发明公开了一种针对气象观测模糊序列的长时间序列预测方法，包括步骤如下：S1，根据气象站观测得到的长时间序列，得到影响未来降水分布的特征值，并选取主变量和协变量；S2，利用FS模糊廓型准则来确定各个气象变量的最优模糊区间数及其长度；S3，确定各因素的论域U；S4，基于相等和不相等长度的区间定义模糊集，将历史数据模糊化；S5，构建犹豫模糊集；S6，根据间隔数，构造新的论域，并定义气象差分模糊集；S7，结合主变量及其协变量的差分模糊集，建立高阶多变量模糊逻辑关系；S8，得出主变量的预测结果；S9，对预测结果进行修改。本发明综合考虑了气象预测时的其他影响因素，提高了预测的精确度和准确性。

公开(公告)号：CN116662683A

公开(公告)日：2023-08-29

申请号：CN202310633649.6

申请日：2023-05-31

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  岳璐 ,  蒋薇

IPC: G06F16/9537 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明提出一种针对特征过少地区冰雹强度的长时间序列预测方法，用于解决传统时间序列预测模型因为输入数据和特征越少，而产生的冗余信息和过度拟合，并且输入数据过长导致训练时间复杂度、空间复杂度以及内存使用量过大的问题，针对informer模型进行改进，提出一种应用于气象领域的长时间序列预测模型。通过利用基于MPD的多粒度注意力机制以及SPH机制，修剪消除头中的冗余信息，并且利用ProbSparse自我注意力机制以及自我蒸馏操作减少编码器中的时间复杂度、空间复杂度以及内存使用量，对预测时因为输入数据和特征越少，而产生的冗余信息和过度拟合进行修正，以提高预测的效率和精确度。