【技术实现步骤摘要】
本专利技术涉及一种基于机器学习的地基云图预测方法、装置及介质，属于云图处理。
技术介绍
1、云团的移动会导致来自太阳的直接辐射的遮挡程度发生变化，从而引起太阳能发电功率的明显波动。因此，未来时刻云图的预测对于太阳能发电功率的预测至关重要。
2、地基云图中含有云和太阳的空间分布信息、云和太阳空间运动信息等重要信息，同时也含有大量随机的、冗余的噪声信息，现有的云图预测方法往往存在以下缺陷：
3、1、模型拟合效率慢，预测精度不足，准确率低。
4、2、训练集数据获取难，训练数据不足导致模型容易过拟合。
5、3、训练用的地基云图经常存在障碍物，导致模型输出结果不准确。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种基于机器学习的地基云图预测方法、装置及介质，能够提高云图预测的准确度。
2、为达到上述目的，本专利技术是采用下述技术方案实现的：
3、第一方面，本专利技术提供了一种基于机器学习的地基云图预测方法，
【技术保护点】
1.一种基于机器学习的地基云图预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，对所述历史地基云图进行预处理，得到预处理后的历史地基云图，包括：
3.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，所述地基云图预测模型的训练方法包括：
4.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，所述地基云图预测模型的构建方法包括：
5.根据权利要求4所述的基于机器学习的地基云图预测方法，其特征在于，所述Encoder模块由六个卷积层构成，输入...
【技术特征摘要】
1.一种基于机器学习的地基云图预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，对所述历史地基云图进行预处理，得到预处理后的历史地基云图，包括：
3.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，所述地基云图预测模型的训练方法包括：
4.根据权利要求1所述的基于机器学习的地基云图预测方法，其特征在于，所述地基云图预测模型的构建方法包括：
5.根据权利要求4所述的基于机器学习的地基云图预测方法，其特征在于，所述encoder模块由六个卷积层构成，输入层为16幅256×256的rgb格式的历史地基云图，输出层为1...
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。