摘要
本发明适用于农业气象预测领域,具体是基于多尺度卷积网络及扩散系统的农业气象预测方法,包括:利用训练好的多尺度卷积网络对农业气象图像进行初步预测,得到初步预测结果;通过扩散模型对初步预测结果进行处理,对初步预测结果进行处理包括:先通过扩散模型增加噪声捕获时空特征之间的联系,以及后通过多步逆扩散过程逐步消除预测结果中噪声;对基于多尺度卷积网络和扩散模型的预测模型进行训练,得到训练好的预测模型;对于给定的农业气象图像,利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统,显著提升了时空数据对于长期预测结果性能的提高。
技术关键词
气象预测方法
扩散系统
编码器模块
图像
农业
噪声
更新模型参数
时空卷积神经网络
峰值信噪比
翻译器
序列
评估预测模型
动态变化特征
解码器
生成多尺度
模型预测值