摘要
本发明提供一种基于深度学习的大风灾害天气指数预测系统及方法,涉及天气监测技术领域,具体包括:采集待评估区域的历史气象数据和对应时间发生的大风灾害事件的受灾面积和持续时间;基于长短期记忆网络建立指数预测模型,将历史气象数据作为训练集输入至模型,将对应的大风灾害的受灾面积和持续时间作为标签,对模型进行训练;实时采集待评估区域的气象数据,输入至训练好的指数预测模型中,获得预测受灾面积以及预测持续时间;采集地形高度和坡度数据对预测受灾面积以及预测持续时间进行修正,得到综合天气指数,并与预设阈值比较,根据结果划分风险等级,提高了大风灾害预测的精度,为灾害预防和应急管理提供更为科学和有效的决策支持。
技术关键词
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
测量点
指数预测方法
风速
气压
天气监测技术
深度学习模型
训练集
高风险
逻辑
标签
系统为您推荐了相关专利信息
浓度预测方法
随机森林模型
计算机可读指令
归一化植被指数
搜索器
HTTP请求
多智能体协同
决策系统
意图
模式匹配
电力负荷预测模型
电力负荷预测方法
数据
预测误差
时间序列预测模型
部件自动检测方法
发动机
自动检测装置
轨迹
运动控制方法