基于数值模式融合深度学习的路面温度预报方法

本发明公开了基于数值模式融合深度学习的路面温度预报方法，包括基于多要素预报数据及观测数据制作训练集与验证集；基于区域高分辨率多元下垫面数据，整合形成统一尺度的区域高分辨率多元下垫面特征库；构建基于注意力机制图卷积神经网络的深度学习路面温度预报模型，采用高斯加权损失函数，展开模型训练；采用训练好的模型，针对目标时间，基于数值天气预报模式多要素预报数据和区域高分辨率多元下垫面数据，生成基于数值模式融合深度学习的路面温度预报结果。本发明有效解决了不同尺度路面温度的样本非均衡问题，增强了模型对于路面温度极值的预报能力，提高了基于数值模式融合深度学习的高速公路路面温度预报准确率，具有极强的应用价值。