【技术实现步骤摘要】
本公开涉及气象要素预报预测领域，具体涉及一种基于机器学习的气象要素预报预测方法及系统。
技术介绍
1、气象要素预报预测是气象学的重要研究领域，它对于灾害防御、农业生产、交通运输等方面具有重要的指导意义。然而，传统的气象预报方法主要依赖于数值天气预报(nwp)模型，这些模型使用物理方程来模拟大气行为。然而，nwp模型在准确预测小尺度和短期天气事件方面存在局限性。具体来说，由于气象要素的复杂性和不确定性，同时，不同的气象数据之间会存在相互的影响，导致传统的统计模型往往难以准确地捕捉不同气象要素之间的关联性关系和时序变化规律，从而影响了预报预测的精度和效率。
2、因此，期望一种优化的气象要素预报预测方案。
技术实现思路
1、考虑到以上问题而做出了本公开。本公开的一个目的是提供一种基于机器学习的气象要素预报预测方法及系统。
2、本公开的实施例提供了一种基于机器学习的气象要素预报预测方法，其包括：
3、获取气象要素的时间序列，其中，所述气象要素包括温度值、湿度值、...
【技术保护点】
1.一种基于机器学习的气象要素预报预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述气象要素的时间序列中的各个气象要素分别进行嵌入关联编码以得到气象要素嵌入编码特征向量的序列，包括：
3.根据权利要求2所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述气象要素嵌入编码特征向量的序列通过基于自相关注意力网络的时间维度编码器以得到时间维度自相关气象要素语义编码特征向量的序列，包括：
4.根据权利要求3所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述时间维度自...
【技术特征摘要】
1.一种基于机器学习的气象要素预报预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述气象要素的时间序列中的各个气象要素分别进行嵌入关联编码以得到气象要素嵌入编码特征向量的序列，包括：
3.根据权利要求2所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述气象要素嵌入编码特征向量的序列通过基于自相关注意力网络的时间维度编码器以得到时间维度自相关气象要素语义编码特征向量的序列，包括：
4.根据权利要求3所述的基于机器学习的气象要素预报预测方法，其特征在于，将所述时间维度自相关气象要素语义编码特征向量的序列通过基于先验分布的气象要素预测编码器以得到气象要素预测编码特征，包括：
5.根据权利要求4所述的基于机器学习的气象要素预报预测方法，其特征在于，基...
【专利技术属性】
技术研发人员：郝翠，李梓铭，戴翼，邢楠，李靖，吴进，张楠楠，刘湘雪，于波，付宗钰，
申请(专利权)人：北京市气象台北京区域中心气象台，北京市决策气象服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。