一种融合时空特征学习的农业干旱预测方法及系统技术方案

本发明专利技术提供一种融合时空特征学习的农业干旱预测方法及系统，包括：数据收集及预处理；构建干旱预测模型，包括空间特征提取模块、时空特征学习模块和序列预测模块；构建干旱事件识别预测模型；所述干旱事件识别预测模型对所述序列预测模块预测得到的未来连续M天的标准化土壤湿度指数SMI序列进行分析，提取干旱事件，并分析得到严重干旱事件空间质心移动特征，预测得到未来干旱时空变化情况。本发明专利技术综合考虑干旱的时间和空间属性，利用高精度栅格气象数据，并利用多个水文气象要素输入训练好的卷积神经网络与深度学习耦合模型中预测未来干旱指标，在保持模型复杂度在合适范围内的同时高效对干旱进行预警，为干旱防治及水资源管理提供技术指导。

【技术实现步骤摘要】

本专利技术属于干旱预测，具体为一种融合时空特征学习的农业干旱预测方法及系统。

技术介绍

1、

2、针对干旱的预测难点，已有诸多学者提出了不同方法。早期干旱预测主要基于水文模型模拟结果进行动力预测，计算比较复杂，水文模型也会带来大量不确定性。近年来，随着机器学习的不断发展，学者们发现了其在干旱预测中的潜力，因此基于深度学习的干旱预测成为研究热点。然而，现有的干旱预测方法，通常只聚焦于区域干旱的时间变化，忽略了空间上的发展过程，从而难以全面准确的对农业干旱进行预测。

技术实现思路

1、针对现有技术存在的缺陷，本专利技术提供一种融合时空特征学习的农业干旱预测方法及系统，可有效解决上述问题。

2、本专利技术采用的技术方案如下：

3、本专利技术提供一种融合时空特征学习的农业干旱预测方法，包括以下步骤：

4、步骤s1，数据收集及预处理：

5、步骤s1.1，预测区域为h*w的栅格化区域；其中，h和w分别代表预测区域的高度和宽度方向的栅格数量；</p>

6、步骤本文档来自技高网...

【技术保护点】

1.一种融合时空特征学习的农业干旱预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤S1.2之前还包括：

3.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤S1.2中，采用公式(1)进行标准化处理：

4.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤S2.1具体为：

5.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤S2.2具体为：

6.根据权利要求1所述的一种融合时空特征...

【技术特征摘要】

1.一种融合时空特征学习的农业干旱预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤s1.2之前还包括：

3.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤s1.2中，采用公式(1)进行标准化处理：

4.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤s2.1具体为：

5.根据权利要求1所述的一种融合时空特征学习的农业干旱预测方法，其特征在于，步骤s2.2具体为：

6.根据权利要求...

【专利技术属性】
技术研发人员：郭俊，胡海，刘懿，顾子也，李昊川，张云康，常新雨，倪修，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：