一种基于Cycle-GAN与GNN联合云厚度识别方法及系统

本发明公开了一种基于Cycle‑GAN与GNN联合云厚度识别方法及系统，涉及计算机视觉与模式识别领域，包括：采集目标区域的气象数据进行预处理并特征提取；使用Cycle‑GAN对提取的特征进行转换，使用图神经网络对转换后的数据进行分析，提取云数据的空间和时间关系；使用GNN模型进行云厚度的预测，生成目标区域云厚度的预测结果。本发明通过多设备协同观测，综合利用多源数据，提升了云数据的全面性和时空同步性；通过多维度特征提取，增强了云的刻画能力，提供了更丰富的信息用于云厚度识别；借助联合模型架构，优化了数据转换与图结构分析，显著提高了识别精度和可靠性，且通过持续优化机制，保证了模型在不断变化的环境下的良好表现。