一种基于多源数据融合和条件扩散生成的沙尘暴预测方法技术

一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，将沙尘暴预测任务明确定义为一种时空序列预测问题，输入为多个时刻的气象数据，输出为多个时刻的沙尘暴变化信息；将沙尘暴数据根据噪声添加公式进行噪声添加，得到带有噪声的沙尘暴数据；通过历史时刻的卫星云图、气象再分析数据、沙尘暴数据，以及时间步t共同训练多源数据噪声预测网络；将完全高斯噪声图、当前的时间步t<subgt;x</subgt;，以及历史时刻的卫星云图、气象再分析数据、沙尘暴数据输入多源数据噪声预测网络，预测当前噪声图的噪声，通过去噪公式去除当前时刻的噪声，得到t<subgt;x‑1</subgt;时刻带有噪声的沙尘暴数据；重复这一操作直至t<subgt;0</subgt;时刻，得到预测结果。本发明专利技术能够精确进行沙尘暴预测。

【技术实现步骤摘要】

本专利技术属于沙尘暴预报，具体涉及一种基于多源数据融合和条件扩散生成的沙尘暴预测方法。

技术介绍

1、沙尘暴作为干旱半干旱地区的自然灾害之一，具有发生快、强度高、影响大等特征。沙尘暴的发生需要三个基本条件，包括强风、干旱、沙尘来源。沙尘暴预测是利用历史时刻的气象数据包括卫星数据等预测未来时刻的沙尘暴的发生情况。中国是全球受沙尘暴影响最严重的国家之一，大规模的沙尘暴每年都会对中国的北方地区造成巨大经济损失，为防止此类天气灾害，预测沙尘暴的发生范围和强度是非常有必要的。

2、人工智能技术在沙尘暴预测领域仍处于起步阶段。尽管许多研究已经从多个角度探讨了人工智能和深度学习技术在沙尘暴预测领域的应用能力，并取得了乐观的成果，但是仍有几个需要解决的问题：(1)现有研究之间在数据输入、输出等方面存在差异，同时缺乏一个标准化的沙尘暴数据集和明确的沙尘暴预测问题定义。(2)大多数研究仍依赖于传统的机器学习技术，尚未将新兴的深度学习技术纳入沙尘暴预测研究中。(3)现有研究对沙尘暴影响因素的考虑不够全面，未能充分利用气象数据、卫星遥感产品等多源观测数据，且对多源数据本文档来自技高网...

【技术保护点】

1.一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述方法所述S1中，所述时空序列预测问题包括以下部分：

3.如权利要求2所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述气象再分析数据被细分为大气运动数据和温度与气压数据，所述大气运动数据包括两米高度风速、两米高度风向、十米高度风速和十米高度风向数据；所述温度与气压数据包括空气温度、露点温度、地表气压和平均海平面气压数据。

4.如权利要求1～3之一所述...

【技术特征摘要】

1.一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述方法所述s1中，所述时空序列预测问题包括以下部分：

3.如权利要求2所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述气象再分析数据被细分为大气运动数据和温度与气压数据，所述大气运动数据包括两米高度风速、两米高度风向、十米高度风速和十米高度风向数据；所述温度与气压数据包括空气温度、露点温度、地表气压和平均海平面气压数据。

4.如权利要求1～3之一所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述s2中，多源数据噪声预测网络融合了卫星云图、大气运动数据、温度与气压数据、沙尘暴数据，通过多源数据融合的方式促进噪声的预测；

5.如权利要求4所述的一种基于多源数据融合和条件扩散生成的沙尘暴预测方法，其特征在于，所述下采样阶...

【专利技术属性】
技术研发人员：白琮，林仲豪，蔡志鹏，张敬林，陈胜勇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：