一种高维时空信息融合的短期日降水预报方法

本发明公开一种高维时空信息融合的短期日降水预报方法，利用小波包转换提取日降水序列数据的不同频率的特征分量；基于相空间重构方法扩大特征分量的维度；利用Cao方法确定特征分量的最优重构维度，恢复每个序列的混沌吸引子；通过非线性动力系统模型，将嵌入非延迟吸引子中的信息映射到目标变量的延迟吸引子中；利用CNN‑LSTM模型模拟非延迟吸引子到延迟吸引子之间的非线性映射，对时空信息进行融合，得到耦合预报模型；重复嵌入形成目标变量的预测集，获得耦合预报模型的最终预测结果。本发明相较于现有深度学习模型技术，只需要少量的训练样本就可以极大地提高短期日降水预报的准确性，具有较大的可靠性和应用潜力。