摘要
本发明公开了一种基于集合预报的多模态面雨量智能预测方法,所述智能预测方法包括:构建基于convlstm的神经网络,提取流域区域降水特征;构建基于卷积的convlstm的神经网络,提取上游水汽特征;构建基于CNN的神经网路,提取地形特征;将所述流域区域降水特征、所述上游水汽特征和所述地形特征通过卷积层+全连接层的方式与观测数据进行训练,获得训练模型;根据所述训练模型预测总降水量。利用机器学习方法研究流域汛期降水总量的预报技术,并对集合成员建模数量和降水特征变量的范围对预报效果的敏感性进行研究和分析,用于解决大型流域汛期洪水预警、水库调度。
技术关键词
智能预测方法
地形特征
数值天气预报
深度学习模型训练
网路
分辨率
输出特征
机器学习方法
预报技术
神经网络模型
数据
序列
优化器
尺寸
网格
水库
视野
总量
变量
曲线
系统为您推荐了相关专利信息
多模态协同
能源调配系统
能源调配方法
天气预测模型
需求预测模型
工业环境监控
事故预测方法
多模态
动态知识图谱
数字孪生模型
序列
动态时间规整
数值天气预报数据
订正方法
注意力
修正雷达
地形三维模型
历史监测数据
雷达数据采集方法
样本
现代化养猪场
智能预测方法
训练神经网络
速度
饲料