一种气象预测方法、装置、存储介质及电子设备制造方法及图纸

本申请提出一种气象预测方法、装置、存储介质及电子设备，包括：获取初始数据集，其中，初始数据集包括在待预测时间点前D个时间维度下的气象特征集合，气象特征集合包括各个目标区域所对应的气象特征；基于量子卷积层和气象特征集合获取每一个时间维度对应的量子卷积特征图；将前D个时间维度对应的量子卷积特征图输入预训练的预测神经网络，输出在待预测时间点是各个目标区域对应的气象预测特征。用量子卷积替换经典LSTM中的经典神经网络中计算复杂度高的部分，实现网络计算的部分加速，从而提高特征提取和数据处理的效率，进而提升气象预测的效率。象预测的效率。象预测的效率。

【技术实现步骤摘要】
一种气象预测方法、装置、存储介质及电子设备


[0001]本申请涉及量子领域，具体而言，涉及一种气象预测方法、装置、存储介质及电子设备。

技术介绍

[0002]气象预测具有重要意义，因为它影响到农业、运输和国际商务等基础领域的日常活动。预测降水率、洪水发生的风险或飓风发生的可能性，就有可能拯救人类的生命和拯救人类的现有资源。
[0003]传统的天气预报方法依赖于先验，如大气的热力学特性、数据的统计分布，或包含具有不同初始条件的多个模型的集成学习。这类模型属于数值天气预报(NWP)方法，通常依赖于超级计算机的处理能力。数值模型变得越来越复杂，它们对高计算能力的需求日益增加。从这些模型中获得结果可能需要数小时的等待，这限制了它们提供可操作预测的能力。
[0004]因此，如何完成气象快速实时精准预测，成为了本领域技术人员所关注的难题。

技术实现思路

[0005]本申请的目的在于提供一种气象预测方法、装置、存储介质及电子设备，以至少部分改善上述问题。
[0006]为了实现上述目的，本申请实施例采用的技术方案如下：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种气象预测方法，其特征在于，所述方法包括：获取初始数据集，其中，所述初始数据集包括在待预测时间点前D个时间维度下的气象特征集合，所述气象特征集合包括各个目标区域所对应的气象特征；基于量子卷积层和所述气象特征集合获取每一个时间维度对应的量子卷积特征图；将前D个时间维度对应的量子卷积特征图输入预训练的预测神经网络，输出在所述待预测时间点是各个目标区域对应的气象预测特征。2.如权利要求1所述的气象预测方法，其特征在于，所述基于量子卷积层和所述气象特征集合获取每一个时间维度对应的量子卷积特征图的步骤，包括：按照预设规则从所述气象特征集合中确定卷积对象组合，其中，所述卷积对象组合包括n个目标区域的气象特征；基于所述量子卷积层分别对每一个卷积对象组合中的n个气象特征进行处理，获取对应的输出量子态；基于卷积对象组合对应的输出量子态确定时间维度对应的量子卷积特征图。3.如权利要求2所述的气象预测方法，其特征在于，所述量子卷积层包括量子态编码单元和变分量子单元，所述量子态编码单元和所述变分量子单元依次排列；所述量子态编码单元用于将所述卷积对象组合中的n个气象特征编码到对应的量子态上；所述变分量子单元，用于关联量子比特的量子态信息，并提取量子态信息携带的气象特征作为输出量子态。4.如权利要求3所述的气象预测方法，其特征在于，所述量子态编码单元包括n个RY门，n个RY门分别作用于n个量子比特，所述基于所述量子卷积层分别对每一个卷积对象组合中的n个气象特征进行处理，获取对应的输出量子态的步骤，包括：依据卷积...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：合肥本源量子计算科技有限责任公司，
类型：发明
国别省市：