摘要
本发明公开了融合精细地形特征的延伸期降水连续分布概率预报方法,包括:获取标准化的延伸期数值模式集合预报系统多成员多要素预报数据以及区域历史长时间序列降水观测数据,并提取历史降水连续分布特征;基于区域高分辨率精细地形数据,得到去尺度化的关键地形多维特征因子库;构建极限梯度提升U‑Net混合深度学习降水概率预报模型,并展开模型训练和优化;采用训练好的模型,产生改进的延伸期降水连续分布概率预报结果。本发明融合了精细地形数据,采用了加权交叉熵损失函数,有效处理了降水分布类别不平衡问题,提升了模型的泛化能力,改进了降水连续分布概率预报的预报性能,具有极高的应用价值。
技术关键词
梯度提升模型
概率预报方法
地形特征
精细地形数据
编码器模块
预报系统
混合深度学习
分布特征
矩阵
高层次
输入模块
输出模块
粗糙度
解码器
中间层
可执行程序代码
数据处理单元
生成特征