【技术实现步骤摘要】
本专利技术涉及电数字数据处理领域，具体涉及一种基于人工智能的多模式集成降水预测方法。
技术介绍
1、研究表明，在各类自然灾害造成的死亡人口、经济损失中，气象灾害造成的死亡人口占比55%、造成的经济损失占比87%，其中，与降水有关的气象灾害又是气象灾害中占比最大的，如干旱、暴雨、洪涝、泥石流等，可见降水量是一个非常重要的气象要素，过多或过少都会直接对生产与生活产生影响，因此提前准确地进行降水预测，对未来一定时间与区域内的降水量进行预估与推断，便能做好预防工作，从而减少洪涝或者干旱等对人民生产与生活的影响。
2、传统的降水预测方法主要包括：动力学、统计学、统计–动力结合三种方法，人们基于这些方法对局部地区建立降水预测模型，但是因降水数据具有很强的周期性、相关性、不确定性，因此用传统的方法对降水进行预测会遇到很多困难。随着人工智能技术的发展，人们开始采用机器学习中的方法进行预测，如随机森林算法等。随后，随着计算能力的进一步提高以及深度学习技术的发展，人们开始运用多模式集成降水预测方法进行降水预测，多模式集成降水预测方法是预测时会考...
【技术保护点】
1.一种基于人工智能的多模式集成降水预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述S2中所述训练所述基于混沌扰动的神经网络包括：
3.根据权利要求2所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述S202中所述的计算公式为：
4.根据权利要求2所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述S203中所述的计算公式为：
5.根据权利要求2所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述S205中所述、所述的计
【技术特征摘要】
1.一种基于人工智能的多模式集成降水预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述s2中所述训练所述基于混沌扰动的神经网络包括：
3.根据权利要求2所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述s202中所述的计算公式为：
4.根据权利要求2所述的一种基于人工智能的多模式集成降水预测方法，其特征在于，所述s203...
【专利技术属性】
技术研发人员：苗忠雨，朱金鑫，史长明，连继峰，张若兰，
申请(专利权)人：长春市支点科技有限公司，
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。