一种基于GRU网络的寒潮天气客观判别方法技术

本发明专利技术公开了一种基于GRU网络的寒潮天气客观判别方法，一种基于GRU网络的寒潮天气客观判别方法，包括以下步骤：步骤S1、对原始环境数据预处理，划分训练集和测试集后对训练集数据进行归一化处理；步骤S2、根据历史时间步长和提前预测时长对数据进行分组，利用GRU网络通过门控循环单元长时间学习历史序列数据中有用信息；步骤S3、依据数据特征采用双阶段注意力机制计算数据极值并预测目标序列，引入评价指标衡量目标序列预测结果；步骤S4、根据目标序列预测结果分析数据相关性，判断寒潮日期，通过权值判据，能够生动形象地把寒潮天气的发展形态完美地刻画出来，给使用者预报寒潮天气提供很大的便利，有效地提高了寒潮天气预测的准确性。测的准确性。测的准确性。

【技术实现步骤摘要】
一种基于GRU网络的寒潮天气客观判别方法


[0001]本专利技术涉及寒潮天气预测
，具体涉及一种基于GRU网络的寒潮天气客观判别方法及系统。

技术介绍

[0002]寒潮是一种大规模强冷空气活动的过程，影响我国的寒潮一般由来自欧亚大陆的强冷空气在特定环流形势下堆积、向南爆发，并伴随的剧烈降温、大风和雨雪天气，对我国人民生产生活造成严重影响。寒潮影响程度和范围与寒潮的强度和路径直接相关，因此对影响我国的寒潮路径和强度的研究具有非常重要的意义。
[0003]近年来，国内外数值模式预报能力不断提高，不仅其产品种类大量增加，而且产品的时空分辨率也逐步提高，得到气象业务和科研人员广泛的使用。对数值模式预报产品的释用方法也进行了大量的研究，并取得了丰硕的研究成果，在业务应用中得到了良好的使用效果。
[0004]针对现有的基于数值模式逐日预报的结果进行判断，能表征寒潮强度的要素预报也需要对模式预报产品进行释用，比如，寒潮天气过程中，冷空气的移动路径、方向以及强度变化等都需要通过对数值模式的释用进行判定识别，寒潮天气过程中地面降温幅度、地面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GRU网络的寒潮天气客观判别方法，其特征在于，包括以下步骤：步骤S1、对原始环境数据预处理，设置温度、风速数据的时间分辨率，划分训练集和测试集后对训练集数据进行归一化处理；步骤S2、根据历史时间步长和提前预测时长对数据进行分组，利用GRU网络通过门控循环单元长时间学习历史序列数据中有用信息，遗忘无用信息并提取数据特征；步骤S3、依据数据特征采用双阶段注意力机制计算数据极值并预测目标序列，引入评价指标衡量目标序列预测结果；步骤S4、根据目标序列预测结果分析数据相关性，判断寒潮日期。2.根据权利要求1所述的一种基于GRU网络的寒潮天气客观判别方法，其特征在于，所述步骤S1中，将所述原始环境数据进行变换将其限制在一定范围内，采用数据归一化处理消除数据指标间的量纲影响，所述数据归一化计算公式为：其中，x
scale
表示归一化预处理后的数据，x表示原始数据，min x表示样本数据的最小值，max x表示样本数据的最大值；对所述归一化预处理后的数据采用平均值法，通过前n时刻相邻时间段的平均值对缺失数据进行补齐，其公式为：其中，表示平均值，t表示时刻，n表示数据总数。3.根据权利要求2所述的一种基于GRU网络的寒潮天气客观判别方法，其特征在于，依据所述归一化处理后的数据采用双层GRU网络释放数值模式，提取特征数据，具体的：获取n个归一化后数据的驱动序列X＝(X1,X2,
…
,X
n
)∈R
n
×
T
,其中T为时间步长，n表示驱动序列的维度；获取表示第k个长度为T的驱动序列，获取表示在t时刻时，n个驱动序列组成的向量；根据原始数据历史时刻取值(y1,y2,
…
,y
T
‑1)和驱动序列历史值、当前时刻的取值(X1,X2,
…
,X
T
)得到当前目标序列的预测值，其公式如下：其中，F(
·
)表示双层GRU网络模型需要学习的非线性函数。4.根据权利要求3所述的一种基于GRU网络的寒潮天气客观判别方法，其特征在于，对所述输入序列X
t
采用双阶段注意力机制使用LSTM网络为映射函数捕获时间序列中的长期依赖性，具体的：在t时刻，通过LSTM单元t
‑
1时刻的隐藏层状态、单元状态和第k个驱动序列来计算X
k
的权重；通过softmax函数计算所有驱动序列在t时刻的注意力权重，并赋权到输入序列中得到新的输入序列输入序列处表达式为：
5.根据权利要求4所述的一种基于GRU网络的寒潮天气客观判别方法，其特征在于，所述输入序列X
t
从数据库中定时获取更新...

【专利技术属性】
技术研发人员：杨慧迪，
申请(专利权)人：杨慧迪，
类型：发明
国别省市：