【技术实现步骤摘要】
本专利技术涉及极端天气预测，特别涉及一种极端天气预测模型训练方法、极端天气预测方法、极端天气预测模型训练装置、极端天气预测装置、电子设备及计算机可读存储介质。
技术介绍
1、随着全球气候变化的影响，极端天气事件的发生频率和强度不断增加，给人类社会和自然环境带来了严重的影响。极端天气事件包括极端降雨、极端强风等情况。极端降雨会对地区生产总值(grp)造成负面影响。有研究表明，降雨天数和极端日降雨量的增加会导致全球宏观经济增长率大幅下降。极端强风可能会影响风力涡轮机的正常工作，阻碍风力发电，还可能导致房屋毁坏，影响交通出行。为了减轻极端天气对于人类社会活动造成的损失，使人们能够提前做好防护措施，有必要准确预报极端天气，或对极端天气进行早期预警。
2、由于大气系统存在混动效应，大气中的不同气体、颗粒物会通过物理和动力学过程进行混合，这些混合过程对天气和气候有重要影响，因此，极端天气的准确预测是非常困难的任务，特别是对于极端降水(即极端降雨)、极端强风。
3、现有技术中，针对天气预测，通常采用的是数值天气预报(nwp)模...
【技术保护点】
1.一种极端天气预测模型的训练方法，其特征在于，所述极端天气预测模型用于对极端天气进行预测，所述极端天气预测模型包括扩散模型，所述扩散模型包括正向扩散模块和反向扩散模块，所述极端天气预测模型的训练方法包括：
2.如权利要求1所述的极端天气预测模型的训练方法，其特征在于，所述通过所述正向扩散模块对所述初步预测天气样本添加噪声数据，以使所述初步预测天气样本成为噪声天气融合数据，具体包括：
3.如权利要求1所述的极端天气预测模型的训练方法，其特征在于，所述损失函数为MSE损失。
4.一种极端天气预测模型的训练装置，其特征在于，所述极端天气...
【技术特征摘要】
1.一种极端天气预测模型的训练方法，其特征在于，所述极端天气预测模型用于对极端天气进行预测，所述极端天气预测模型包括扩散模型，所述扩散模型包括正向扩散模块和反向扩散模块，所述极端天气预测模型的训练方法包括：
2.如权利要求1所述的极端天气预测模型的训练方法，其特征在于，所述通过所述正向扩散模块对所述初步预测天气样本添加噪声数据，以使所述初步预测天气样本成为噪声天气融合数据，具体包括：
3.如权利要求1所述的极端天气预测模型的训练方法，其特征在于，所述损失函数为mse损失。
4.一种极端天气预测模型的训练装置，其特征在于，所述极端天气预测模型用于对极端天气进行预测，所述极端天气预测模型包括扩散模型，所述扩散模型包括正向扩散模块和反向扩散模块，所述极端天气预测模型的训练装置包括：
5.一种极端天气预测方法，其特征在于，通过极端天气预测模型对极端天气进行预测，所述极端天气预测模型通过如权利要求1-3任一项所述的极端天气预测模型的训练方法训练所得，所述极端天气预测模型包括预测模型和扩散模型，所述极端天气预测方法包括：
6.如权利要求5所述的极端天气预测方法，其特征在于，所述当前天气变量数据包括：当前气压层的温度、当前气压层的湿度、当前气压层的风速、...
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。