摘要
本发明提供一种气象预报误差校准模型的构建方法和装置,所述方法包括:采用卷积类神经网络学习预报数据的空间信息,采用循环类神经网络学习隐藏在各气象要素在时序上的关联信息;根据所述空间信息和所述关联信息判断目标气象预报的类型;时序类气象预报的情况下,构建适用于时序类气象预报的第一深度学习网络模型,并对所述第一深度学习网络模型进行优化;事件类气象预报的情况下,构建适用于事件类气象预报的第二深度学习网络模型,并对所述第二深度学习网络模型进行优化,以得到事件类气象预报误差校准模型。基于物理机理与人工智能相结合的气象预报误差校准模型的构建与优化,提高了气象预报误差校准的时效性和准确性。
技术关键词
深度学习网络模型
误差校准
卷积类神经网络
时序
局部空间特征
预报误差
网格
事件特征
非暂态计算机可读存储介质
节点
数据采集单元
在线校准
数据处理单元
气象
处理器
非线性
传播算法
关系
矩阵
系统为您推荐了相关专利信息
表面粗糙度测量仪
动态
振动加速度传感器
鲸鱼算法
引入注意力机制
家庭电力负荷
预测控制模型
关联特征数据
时序预测模型
气象监测模块
时空融合特征
评估系统
特征提取模型
数据分析模块
生态环境评估技术
频谱特征
无人机避障
无线电
时序特征
短时傅里叶变换