摘要
本发明涉及数据深度学习技术领域,具体涉及一种多任务生成对抗网络强对流天气临近预报方法及装置,包括步骤:A.获取反射率图像样本及标签和闪电密度图像样本及标签;B.基于所述反射率图像样本及标签和闪电密度图像样本及标签训练多任务生成对抗网络,所述多任务生成对抗网络采用双通道分别处理反射率图像样本和闪电密度图像样本;C.获取并处理当前的多普勒雷达组合反射率图像产品及闪电观测数据,将其输入训练完毕的多任务生成对抗网络,进行闪电和降雨强度的临近预报,实现了基于二维卷积神经网络对气象观测数据时空信息的提取,减小了计算复杂度;采用生成对抗网络生成高质量预测图像,提高了预测精度;采用双通道实现了多任务输出。
技术关键词
反射率图像
临近预报方法
多普勒雷达
强对流
特征提取模块
支路
样本
标签
密度
天气
编解码器
生成对抗网络
二维卷积神经网络
Sigmoid函数
数据
注意力
系统为您推荐了相关专利信息
面部特征
人脸识别方法
照度特征
面部识别
光照特征
智能监控系统
时序分析模块
危险品
图像获取模块
图像采集模块
智能宠物
穿戴设备
远程控制模块
分析模块
特征提取模块
故障诊断模型
故障诊断方法
滚动轴承
残差模块
输出模块
超宽带室内定位方法
标签
室内定位模型
基站
节点特征