摘要
本发明公开了基于Transformer的气象要素季节内振荡分量的延伸期预报系统及方法,属于气象预报领域,系统包括:数据收集模块、模型优化模块、模型训练模块和预报模块;数据收集模块用于收集历史气象资料,并利用滤波方法提取历史气象资料的气象要素季节内振荡分量;模型优化模块用于构建并优化Transformer模型,得到优化后模型;模型训练模块基于气象要素季节内振荡分量对优化后模型进行训练评估,得到延伸期预报模型;预报模块用于利用延伸期预报模型进行气象预报。本发明改良了传统神经网络预报方法,同时配合增加输入时次数量至最优值的方式提升了延伸期气象要素季节内振荡分量的预报准确率,改善了延伸期预报的效果。
技术关键词
历史气象资料
模型训练模块
数据收集模块
注意力机制
预报系统
变量
延伸期预报方法
滤波方法
多层感知机
训练集
气压
风场
误差
地面
掩膜
系统为您推荐了相关专利信息
风险检测方法
序列
漏洞
训练样本数据
风险检测装置
多源特征
智能体模型
时空融合特征
剩余使用寿命
机电设备监测
无人机
评估算法
公路桥梁结构
深度学习训练
注意力机制
资源调度策略
多模态数据融合
时间预测模型
船舶航行数据
融合气象数据