摘要
本发明属于涉及一种精细化风场的短期风速预测方法、系统及存储介质,属于预测天气状态的技术领域。本发明对现有的预测递归神经网络PredRNN进行了改进,加入了残差结构,使得采用基于残差改进的预测递归神经网络建立风场的第一风速预测模型可以更好的挖掘数据之间的关系,解决了模型随着网络层数加深,在反向传播过程中,底层很容易发生梯度消失的问题,大大提升了风速预测模型的预测准确率。本发明将第一风速预测模型与现有的天气预报模式WRF进行融合,得到第二风速预测模型,结合了天气预报模式WRF在精细化风场的中后段风速预测的准确性和LSTM系列模型在精细化风场的前段风速预测的准确性;使得整个时段的精细化风场的风速预测均十分准确。
技术关键词
风速预测模型
短期风速预测方法
观察特征
短期风速预测系统
风场
数据采集周期
递归神经网络
反距离权重插值法
搜索算法
预测天气状态
雷达回波数据
模式
训练集
定量误差
记忆
预报误差
时间段
可读存储介质
系统为您推荐了相关专利信息
环境预报信息
平流层飞艇
滚动规划方法
粒子群算法
滚动规划策略
优化调度系统
子模块
中控单元
风力
历史监测数据