公开(公告)号：CN116128168A

公开(公告)日：2023-05-16

申请号：CN202310404836.7

申请日：2023-04-17

Applicant: 南京信息工程大学

Inventor： 荣欢 ,  张译 ,  蒋薇

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0464 ,  G06N3/08 ,  G01W1/10

Abstract: 本发明提出基于因果扩充卷积和Autoformer的气象预测法，用于实现根据目标区域预设历史时段内采集的预设各气象因素数据、以及各天气现象标签，获得目标未来时段关于预设各天气现象标签下的预测情况，进行低误差天气预报，通过构建因果扩充神经网络模块、构建基于Autoformer的气象预测模块、构建待训练网络、超参数选择模块对待训练网络进行调优，以及对待训练网络进行训练，获得气象预测模型；再应用气象预测模型，对目标区域对应目标未来时间的天气现象进行预测。本发明具有更大感受野，能够提取更多信息以供气象预测模型学习，极大限度提高模型预测的精确度，有效降低模型预测误差。

公开(公告)号：CN117521879A

公开(公告)日：2024-02-06

申请号：CN202311418108.8

申请日：2023-10-30

Applicant: 南京信息工程大学

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

IPC: G06Q10/04 ,  G01W1/10 ,  G06N3/0442 ,  G06F18/25 ,  G06F18/10 ,  G06N3/0464 ,  G01W1/02 ,  G06F123/02

Abstract: 本发明公开了一种基于特征融合和趋势模糊粒化的气象时间序列预测方法，包括步骤：S1，利用去噪模块，对获取的气象时间序列进行分解重组、去噪处理，得到去噪后的气象时间序列A′t；S2，利用构建的时间结构搜索模块，对预测模块进行优化；S3，采用高斯线性模糊线性粒化算法，对A′t进行处理，得到不等长的粒度气象时间序列LG；S4，对粒度气象时间序列LG进行优化；S5，构建特征融合模块，进行特征融合，得到融合后的气象数据；S6，对融合后的特征图进行级联操作；S7，利用LSTM单元对融合后的气象数据进行处理，由预测模块进行气象预测。本发明能最大限度提取信息，减少模型的迭代累计误差，提高气象预测的准确性。