摘要
本发明公开一种用于数值天气预报模式的智能云微物理参数化方法,包括:获取气象数据样本,并对所述气象数据样本进行标准化处理;利用标准化处理后的气象数据样本对一维稠密卷积神经网络进行训练以搭建基于人工智能的云微物理参数化模型;获取当前气象数据,将所述当前气象数据输入至所述云微物理参数化模型中得到当前天气预报表示的云微物理参数。本方案优于传统的统计方法,能够揭示出对天气预测模型至关重要的深层次洞见。这种深度学习方法在提高预测性能和计算速度方面均显示出了显著的潜力。
技术关键词
稠密卷积神经网络
数值天气预报模式
气象
参数化方法
云微物理
计算机可读指令
数据
样本
天气预测模型
参数化装置
子模块
编码器
变量
深度学习方法
随机梯度下降
处理器
批量
学习特征
系统为您推荐了相关专利信息
预测持续时间
历史气象数据
预测系统
长短期记忆网络
栅格化方法
关键词提取模型
文本
气象灾害预警技术
风险
数据获取模块
多模态数据融合
卷积长短期记忆
全景光场
电力系统
光照