基于深度神经网络的多特征融合沙尘暴预测方法技术

一种基于深度神经网络的多特征融合沙尘暴预测方法，首先将以中国地面气候资料日值数据、中国强沙尘暴序列及其支撑数据为主的地面数据和以中国陆地区域云图(IR1)为主的云图数据进行预处理，使用时间滑动窗口的方式划分地面数据集，使其成为时间序列，能够有效提高数据的利用率；同时采用SMOTE算法和透视变换方法增强地面数据和卫星云图数据，缓解了数据不平衡问题；然后利用卷积神经网络提取卫星云图的空间特征，将其融合到地面数据中，使其成为输入属性；最后利用循环神经网络的时序记忆能力和卷积神经网络的特征提取能力，建立一种融合沙尘暴数据地面特性和空间特性的CNN

【技术实现步骤摘要】
基于深度神经网络的多特征融合沙尘暴预测方法


[0001]本专利技术属于人工智能
，特别涉及一种基于深度神经网络的多特征融合沙尘暴预测方法。

技术介绍

[0002]沙尘暴(Sand
‑
dust Storms)是指强风从地面卷起大量沙尘，水平能见度小于1千米的灾害性天气现象。它的形成受自然因素和人类活动因素的共同影响，具有突发性强、持续时间短以及危害性大等特点，同时也是土地荒漠化的标志。据统计。沙尘天气的空间分布与特定的地理条件和天气气候系统密切相关，因此对沙尘天气进行分区研究具有重要意义。
[0003]现有沙尘暴预测方法包括基于统计方法、基于BP神经网络的方法等，均存在以下三点不足。其一，仅使用卫星云图数据进行沙尘暴天气预测，数据单一化所导致预测效率低的问题。其二，普通的神经网络对沙尘暴爆发相关庞大的气象数据难以拟合，或难以泛化的问题。其三，单一神经网络进行沙尘暴天气预测数据特征提取不充分的问题。

技术实现思路

[0004]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于深度神经网络的多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度神经网络的多特征融合沙尘暴预测方法，其特征在于，包括如下步骤：步骤1，分别对沙尘暴的地面数据和卫星云图数据进行预处理，将地面数据转换为时间序列，并采用SMOTE算法平衡；将卫星云图数据进行格式转换，并通过透视变换增强卫星云图数据；步骤2，利用卷积神经网络提取卫星云图数据的空间特征，并将其融合到地面数据中，使其成为输入属性；步骤3，利用循环网络的时序记忆能力，提取地面数据特征，建立LSTM神经网络的沙尘暴预测模型；步骤4，建立一种融合多特征的CNN
‑
LSTM沙尘暴预测模型，用来预测最终的沙尘暴等级。2.根据权利要求1所述基于深度神经网络的多特征融合沙尘暴预测方法，其特征在于，所述步骤1，对地面数据，首先进行数据集成、数据降维、特征值和缺测值处理，然后采用时间滑动窗口方式转化为时间序列，使其便于深度神经网络训练，最后采用SMOTE算法平衡数据；对云图数据，首先进行格式转换将*.AWX数据格式转换为*.JPEG格式，并筛选受损图像、裁剪和标记卫星云图，最后采用透视变换对卫星云图数据进行增强。3.根据权利要求2所述基于深度神经网络的多特征融合沙尘暴预测方法，其特征在于，所述采用时间滑动窗口方式转化为时间序列的过程如下：设定预测前置天数M，按照各个地面数据监测站点，划分为小的时间序列，序列长度为M，即相当于采用一个时间滑动窗口，滑动步长为1，窗口大小M；对于N条数据，划分后共有(N
‑
M+1)条小的时间序列，总的数据大小为(N
–
M+1)*M；所述采用SMOTE算法平衡数据是利用SMOTE算法对所得到的时间序列进行扩充，将等级为0、1、2和3的沙尘暴样本分别增强至多条，以满足数据训练要求，其中，等级0、1、2和3分别表示强沙尘暴、沙尘暴、扬沙和浮尘；所述采用透视变换对卫星云图数据进行增强的变换公式如下：其中，(u，v)为原始图像像素坐标，(u,v,w)为三维平面上的值，(x＝x
′
/w
′
，y＝y
′
/w
′
)为变换后的图像像素坐标，透视变换矩阵图解见下式：其中，a
11
～a
33
是图像变换的参数，由神经网络模型学习得到，表示图像线性变换，T2＝[a
13
a
23
]
T
用于产生图像透视变换，T3＝[a
31
a
32
]表示平移。4.根据权利要求1所述基于深度神经网络的多特征融合沙尘暴预测方法，所述步骤2，将所有提取到卫星云图的空间特征进行拼接，然后将其放入包含2个卷积层、2个池化层、3
个全连接层的卷积神经网络中训练；其中，卷积神经网络中第一卷积层的卷积核个数为16，第二卷积层的卷积核个数为32，步长均为1，激活函数采用Relu函数，池化层采用最大池化操作(Max_Pooling)，步长为2，全连接层神经元个数分别为1024、512、5，并均采用Dropout函数；所述Relu函数计算公式如下：其中，w是卷积层中激活函数的输入数据；所述Dropout函数计算公式如下：其中，p为网络结点随机丢弃的概率0≤p<1，r＝...

【专利技术属性】
技术研发人员：仁庆道尔吉，张倩，李娜，吉亚图，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：