摘要
本发明涉及一种基于UKF和特征融合模型的气象干旱时空预测系统及方法,系统包括数据预处理层:用于采用UKF对标准化降水指数网格数据集进行预处理;多特征融合层:包括用于自适应感知气象干旱区域的空间边界的DConv模块、用于分层提取多尺度空间特征的Swin Transformer模块,以及用于将提取的空间边界特征与多尺度空间特征进行融合后生成融合时空特征的特征融合单元;时序预测层:用于将融合时空特征输入时间递归神经网络,预测未来干旱分布;方法利用上述系统进行气象干旱时空预测。本发明系统性解决了气象干旱小样本时空预测中的“空间边界刻画模糊、小样本泛化能力弱、观测噪声敏感”的技术问题,有效提高了预测结果的准确性。
技术关键词
时空预测方法
融合时空特征
时间递归神经网络
气象
边界特征
网格
预测系统
指数
数据
序列
思考特征
补丁
分层
像素
观测噪声
周期
模块
时序
样本
系统为您推荐了相关专利信息
控制仿真平台
动态数据库
飞行器
空间定位系统
粒子系统
风险评估模型
电力
风险预警方法
电网运行数据
设备状态数据
负荷预测模型
微电网
历史负荷数据
历史气象数据
LSTM模型
小麦产量预测方法
叶面积指数
数据
深度学习模型
因子