摘要
本发明公开了一种基于扩散模型和注意力机制的气象风场数据快速降尺度计算方法,解决了现有技术中因模式崩溃现象导致生成的高精度风场出现非物理的涡旋结构,无法建立大气变量与地形特征的多尺度动态关联的问题,具体包括:步骤1、获取包括低分辨率气象风场数据和地形高程数据的数据样本集,并将其划分训练集和测试集;步骤2、构建基于UNet网络的初始目标扩散模型,初始目标扩散模型包括噪声预测网络;步骤3、用训练集对初始目标扩散模型的噪声预测网络进行训练,构建最终目标扩散模型;步骤4、用测试集对最终目标扩散模型进行测试,以确定合格的最终目标扩散模型;步骤5、通过合格的最终目标扩散模型进行气象风场数据快速降尺度计算。
技术关键词
地形高程数据
噪声预测
注意力机制
风场
气象
风速
计算方法
网络
随机噪声
噪声强度
WRF模型
无噪声
崩溃现象
分辨率
样本
地形特征
采集现场
参数
系统为您推荐了相关专利信息
语句检测方法
节点特征
多层感知机
前馈神经网络
注意力机制
多层次特征
图像识别方法
资源分配策略
图像识别系统
图像处理
动态评估系统
生态恢复
多源监测数据
深度学习模型
土壤修复过程
预测特征
历史气象数据
历史负荷数据
气象预报数据
特征选择