基于D3AT-LSTM模型的时空气温并行预测方法

本发明公开了基于D3AT‑LSTM模型的时空气温并行预测方法，本发明使用经过滑动窗口处理的历史气象观测序列“X”作为网络的输入。该气象数据被输入到结合并行注意力支路的3DCNN模块，通过三维卷积模块进行处理，发挥其在的较短序列间特征抽象能力，引入通道注意力机制来处理短序列特征间的重要度差异，为所有输入特征依据loss损失来自动学习特征权重，使其关注特定的时间通道，实现高阶的时空显著性特征的提取，每个时间节点的数据依次输入到LSTM循环神经单元中，来捕捉每个节点长时间序列下粗粒度的依赖关系。最后，将融合了不同维度特征的高维向量传入全连接层，最终得到预测气温的数值。