一种基于GRU神经网络和差分隐私联邦学习的气象监测方法及系统

本发明提供了一种基于GRU神经网络和差分隐私联邦学习的气象监测方法，包括：采集本地的气象数据生成气象时序数据序列；根据客户端自身异质性选择合适的模型结构，进行基于GRU神经网络的本地气象监测模型训练，通过LPDP‑FedProx联邦学习算法对本地模型进行参数更新；中央服务器获取客户端的模型参数后根据全局模型加权平均聚合算法进行模型的聚合和更新；客户端接收更新后的全局模型参数进行下一轮的本地训练，直至得到最佳的监测模型。本发明将个性化的差分隐私算法与FedProx联邦学习算法结合，提出了LPDP‑FedProx联邦学习算法，构建了一种能够有效处理异构数据的联邦学习框架，有效保护本地数据的隐私，提高联邦学习的安全性。