雷暴大风预测模型的训练方法、预测方法、装置及设备制造方法及图纸

本申请涉及深度学习相关领域，具体涉及雷暴大风预测模型的训练方法、预测方法、装置及设备。其中，方法包括：获取训练样本，所述训练样本包括：对历史气象信息进行处理得到的图像；采用基于自注意力的Transformer网络和卷积神经网络，构建编码器；采用子像素卷积和通道注意力机制，构建解码器；基于所述编码器和所述解码器，构建雷暴大风预测模型；基于所述训练样本对所述雷暴大风预测模型进行训练，直至所述雷暴大风预测模型输出的预测结果与实际结果之间的差值符合预设收敛条件。

【技术实现步骤摘要】

本申请涉及深度学习相关，具体涉及一种雷暴大风预测模型的训练方法、预测方法、装置及设备。

技术介绍

1、随着社会的发展，城市汇集众多产业，生活众多人口。一些城市坐落于特殊的地理位置上，例如我国京津冀地区西部北部群山环抱，形成平均海拔1000米的天然屏障，而东部南部则是大片平原。在这种独特的地形条件下，低层风场会受到强迫作用，容易出现局地环流及不稳定上升气流，进而与已有的边界层辐合线相互作用并导致强对流天气的局地突发和快速演变。而雷暴大风是强对流天气中主要灾害性天气之一，

2、因为雷暴大风的时间和空间尺度相对较小，因此具有局部性、突发性和破坏性强的特点。会对人们的生产生活带来极大的影响，而目前雷暴大风预报主要依赖传统的物理方法，预报的准确性和精确性较差。

技术实现思路

1、有鉴于此，本申请的实施例致力于提供一种雷暴大风预测模型的训练方法、预测方法、装置及设备，以至少一定程度上解决当前对于雷暴大风天气预报准确性和精确性较差的问题。

2、本申请提供一种雷暴大风预测模型的训练方法，包括：

本文档来自技高网...

【技术保护点】

1.一种雷暴大风预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的雷暴大风预测模型的训练方法，其特征在于，所述采用基于自注意力的Transformer网络和卷积神经网络，构建编码器，包括：

3.根据权利要求2所述的雷暴大风预测模型的训练方法，其特征在于，所述采用子像素卷积和通道注意力机制，构建解码器，包括：

4.根据权利要求1-3任一所述的雷暴大风预测模型的训练方法，其特征在于，所述通道注意力机制包括：具有位置信息嵌入功能的通道注意力机制。

5.根据权利要求1所述的雷暴大风预测模型的训练方法，其特征在于，还包括：所述历史气象数...

【技术特征摘要】

1.一种雷暴大风预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的雷暴大风预测模型的训练方法，其特征在于，所述采用基于自注意力的transformer网络和卷积神经网络，构建编码器，包括：

3.根据权利要求2所述的雷暴大风预测模型的训练方法，其特征在于，所述采用子像素卷积和通道注意力机制，构建解码器，包括：

4.根据权利要求1-3任一所述的雷暴大风预测模型的训练方法，其特征在于，所述通道注意力机制包括：具有位置信息嵌入功能的通道注意力机制。

5.根据权利要求1所述的雷暴大风预测模型的训练方法，其特征在于，还包括...

【专利技术属性】
技术研发人员：杨璐，刘云清，宋林烨，程丛兰，陈明轩，曹伟华，吴剑坤，刘泓君，
申请(专利权)人：北京城市气象研究院，
类型：发明
国别省市：