摘要
本发明提供一种基于ABST‑Net时空预测模型的干旱灾害预测的方法,属于深度学习技术领域。该方法设计了一种用于加强模型时空特征提取能力的模块,根据时空预测的特点,该模块利用时间注意力、通道注意力与空间注意力机制分别从时间、通道、空间三种不同的维度上提取时空特征,采用多维度的注意力机制能够更全面和精准地捕捉时空特征,增强特征提取的准确性;同时,基于该模块设计了一种适用于时空预测的ABST‑Net模型,从而使该模型对干旱灾害的时空预测更加准确。
技术关键词
注意力机制
多层感知机
土壤水分数据
前馈神经网络
编码器
通道
灾害预测方法
Sigmoid函数
特征信息融合
气象
解码器
特征提取能力
全局平均池化
变量
深度学习技术
分块
像素
模块
系统为您推荐了相关专利信息
反算方法
网络结构
注意力
多层感知器
涡轮叶片表面
变化检测网络
图像块
特征提取模块
模态特征
融合特征
边界特征
乳腺肿瘤图像
残差结构
多阶段
分割方法
融合时空特征
检测模型训练方法
特征提取模块
视频异常检测方法
网络结构
行人轨迹预测方法
特征提取模块
交互特征
线索
交叉注意力机制