一种融合关联度加权与时空注意力的温度预报方法技术

本发明专利技术为一种融合关联度加权与时空注意力的温度预报方法，首先获取包括温度和多个气象要素在内的气象数据集；接着，计算各个气象要素与温度之间的关联度，将关联度进行加权，并将所有关联度加权结果在通道方向连接，得到加权后的气象时空序列数据；最后，以预测循环神经网络为基础构建温度预报模型，将温度和加权后的气象时空序列数据输入到温度预报模型中，用于未来时刻局部地区的温度预报；温度预报模型包括n个时空注意力层，每个时空注意力层包括若干个时空注意力模块，时空注意力模块利用上下文交互单元对输入和上下文信息进行互相校正来记忆短期依赖信息，利用时空记忆单元捕获气象数据的长期依赖关系。该方法能够捕捉温度突变，预报准确度更高。预报准确度更高。预报准确度更高。

【技术实现步骤摘要】
一种融合关联度加权与时空注意力的温度预报方法


[0001]本专利技术属于温度预报
，具体是一种融合关联度加权与时空注意力的温度预报方法，可用于温度预报领域基于多要素时空序列的温度预测。

技术介绍

[0002]温度预报是气象预报领域的研究热点，其目的是根据历史气象数据对未来一段时间内的温度变化进行精确预报，被广泛应用于交通控制、传染病预防、环境监测和灾害预警等领域。自动气象观测技术、遥感卫星工程技术以及智能网格预报技术的迅速发展，为基于深度学习的温度预报研究提供了丰富的数据支持。
[0003]传统的温度预报方法主要是基于物理的数值模型，它在获取数据和预测温度时需要耗费大量的计算资源和时间。随着多源、海量气象数据的出现，产生了数据驱动模型。深度学习技术特别是卷积神经网络和循环神经网络在温度预报领域取得了里程碑式的进步，更好地模拟了气象数据的非线性关系，并且解决了温度预报中数据依赖和机制复杂的问题。然而，循环神经网络倾向于时间结构的建模，缺乏捕捉温度空间变化的能力；卷积神经网络更注重空间外观变化，捕捉时序变化规律的能力较差。事实上，某地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合关联度加权与时空注意力的温度预报方法，其特征在于，该方法包括如下步骤：第一步、获取气象数据集，该数据集包括温度和多个气象要素在内的时空序列数据；第二步、计算各个气象要素与温度之间的关联度，将各个气象要素与温度的关联度进行加权，并将各个气象要素的关联度加权结果在通道方向上连接，得到加权后的气象时空序列数据；首先，根据式(1)对温度和各个气象要素的时空序列数据进行标准化处理；其中，X
tj
表示t时刻第j个气象要素的时空序列，表示t时刻第j个气象要素标准化后的时空序列，μ
j
表示按时间维度计算得到的不同地区第j个气象要素的均值，σ
j
表示第j个气象要素在不同地区的标准差；其次，计算温度与各个气象要素之间的关联系数；然后，根据式(3)计算各个气象要素与温度之间的关联度；其中，r
j
表示不同地区温度与第j个气象要素的关联度，ξ
tj
表示t时刻不同地区温度与第j个气象要素的关联系数，T'表示时间序列长度；2
‑
5)利用式(4)对关联度进行加权处理，并将各个气象要素的关联度加权结果在通道方向上连接，得到加权后的气象时空序列数据；其中，X
′
tj
表示t时刻第j个气象要素与温度的关联度加权结果；将所有气象要素与温度的关联度加权结果在通道方向连接得到加权后的气象时空序列数据；第三步、基于深度学习神经网络构建温度预报模型，将温度时空序列数据和加权后的气象时空序列数据输入到温度预报模型中，温度预报模型输出预报结果，即未来时刻局部地区的时空序列温度图像；温度预报模型以预测循环神经网络为基础，温度预报模型包括n个时空注意力层，每个时空注意力层包括若干个依次连接的时空注意力模块，所有时空注意力层相同位置的时空注意力模块依次连接，使温度预报模型的内存状态沿之字形流经整个网络；每个时空注意力模块均包括上下文交互单元和时空记忆单元两部分，上下文交互单元包括三个注意力模块Attention1～Attention3，用于将t
‑
1时刻第l个时空注意力层的隐藏状态信息t时刻第l
‑
1个时空注意力层的隐藏状态信息t时刻第l
‑
1个时空注意力层的时空记忆信息进行上下文关联更新，得到更新后的t
‑
1时刻第l个时空注意力层的隐藏状态信息t时刻第l
‑
1个时空注意力层的隐藏状态信息t时刻第l
‑
1个时空注意力层的时空记忆信息
时空记忆单元利用卷积长短时记忆单元捕获时间维度信息，同时在卷积长短时记忆单元的基础上增加自注意力模块捕获空间维度信息，再将捕获的时空维度信息通过联合机制进行融合；对于时间维度信息的捕获，首先根据更新后的t时刻第l
‑
1个时空注意力层的隐藏状态信息和t
‑
1时刻第l个时空注意力层的隐藏状态信息通过卷积长短时记忆单元获取时域上第l个时空注意力层的温度变化信息，然后利用t
‑
1时刻第l个时空注意力层的时间记忆信息生成t时刻第l个时空注意力层的时间记忆信息公式如下：公式如下：公式如下：公式如下：其中，f
t
为遗忘门，i
t
为输入门，g
t
为输入调制门，σ表示sigmoid激活函数，tanh表示tanh激活函数，表示哈达玛乘积，W
xf
、W
hf
、W
xi
、W
hi
、W
xg
、W
hg
、b
f
、b
i
、b
g
均为可学习参数；对于空间维度信息的捕获，首先根据更...

【专利技术属性】
技术研发人员：石陆魁，梁楠楹，张敬业，赵瑞云，张军，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：