摘要
一种融合物理信息与深度学习的地表太阳多波段辐射反演的方法,属于太阳辐射预测技术领域。为解决显著降低计算成本的问题。本发明包括选取输入特征和输出特征;进行数据采集,然后进行数据预处理,将所有预处理的数据随机划分为训练集、验证集和测试集;构建多任务深度学习模型结构,包括专家子网络、门控子网络、独立子网络、自注意力机制以及物理约束;利用归一化处理后的训练集对多任务深度学习模型结构进行训练,得到训练好的多任务深度学习模型结构;本发明能显著降低计算成本,还能确保不同波段间的物理一致性,为相关领域的科研与工程应用提供了可靠的技术支持。
技术关键词
多任务深度学习模型
多波段
Softmax函数
多层感知机
输出特征
物理
网络
变量
太阳辐射预测技术
训练集
注意力机制
气溶胶光学厚度
数据
地表反照率
更新模型参数
气象
太阳方位角
节点数
系统为您推荐了相关专利信息
氢能系统
程度预测方法
记忆单元
XGBoost算法
时序依赖关系
树种识别方法
深度学习网络
多层感知机
注意力机制
城市行道树
自主空中加油
图像嵌入
掩膜
视觉
交叉注意力机制
建筑木结构
时序
变量
三维卷积神经网络模型
应变传感器