【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种系统性风险预测方法及系统。
技术介绍
1、系统性气象灾害风险的早期预警一直是学术界的研究热点，传统气象风险预测方法主要基于线性模型，然而由于线性模型无法捕捉气象数据变量之间的非线性关系，近年来非线性模型逐渐取代了线性模型在气象风险预测和预警中的应用，并且有效提高了风险预测的性能，但现有非线性模型却依旧存在一定缺陷。
2、传统的循环神经网络模型（如lstm，gru），仅能在单一主维度（时间）上处理特征，难以捕捉跨维度关联（如气象数据高频波动中的周期性风险信号与跨领域传染效应的耦合关系），且气象领域的数据会存在一定的高频噪声和非稳态特性，现有方法易被该短期扰动所误导，同时噪声的存在也会干扰序列中部分规律性的细小变动，导致最终的系统性气象风险预测结果的准确性难以得到有效保证。
3、因此，如何提高对系统性气象风险进行预测的准确性和鲁棒性，是目前亟需解决的一个问题。
技术实现思路
1、本申请的主要目的在于提供一种系统性风险预测方法及系统，旨在解...
【技术保护点】
1.一种系统性风险预测方法，其特征在于，所述系统性风险预测方法包括：
2.如权利要求1所述的系统性风险预测方法，其特征在于，所述气象序列数据中任意一个时间点下的气象序列数据包括多个特征点，所述将气象系统记录的气象序列数据转化为气象频域数据的步骤包括：
3.如权利要求1所述的系统性风险预测方法，其特征在于，所述将所述气象序列数据和所述气象频域数据进行融合，得到频时空融合数据的步骤包括：
4.如权利要求1所述的系统性风险预测方法，其特征在于，所述基于预设模型通道维度拆分所述频时空融合数据，得到第一数据组和第二数据组，并分别计算所述第一数...
【技术特征摘要】
1.一种系统性风险预测方法，其特征在于，所述系统性风险预测方法包括：
2.如权利要求1所述的系统性风险预测方法，其特征在于，所述气象序列数据中任意一个时间点下的气象序列数据包括多个特征点，所述将气象系统记录的气象序列数据转化为气象频域数据的步骤包括：
3.如权利要求1所述的系统性风险预测方法，其特征在于，所述将所述气象序列数据和所述气象频域数据进行融合，得到频时空融合数据的步骤包括：
4.如权利要求1所述的系统性风险预测方法，其特征在于，所述基于预设模型通道维度拆分所述频时空融合数据，得到第一数据组和第二数据组，并分别计算所述第一数据组的空间相关性和所述第二数据组的时频相关性的步骤包括：
5.如权利要求4所述的系统性风险预测方法，其特征在于，所述第一数据组包括空间查询向量矩阵、空间键向量矩阵和空间值向量矩阵，所述并行多次计算所述第一数据组中各特征点之间的相关关系，得到所述第一数据组的空间相关性的步骤包括：
<...
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。