买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种基于深度序列模型的中长期云量预测方法及系统，属于气象预测技术领域，将预测位置的历史气象数据输入基于趋势分解和周期增强的预测分支模块，将预测位置附近区域的历史气象数据输入天气系统提取模块；将基于趋势分解和周期增强的预测分支模块的多个基本块堆叠得到基于趋势分解与周期增强的预测分支模块的输出；将基于趋势分解和周期增强的预测分支模块的输出和天气系统提取模块的输出在通道维度进行向量拼接后作为预测投影模块的输入，预测投影模块将输入向量投影成指定的形状，得到最终的预测结果。本发明利用预测位置附近区域的历史气象条件辅助云量预测，更符合现实情况与气象规律。

主权项：1.一种基于深度序列模型的中长期云量预测系统，其特征在于：所述云量预测系统包括：输入模块、基于趋势分解和周期增强的预测分支模块、天气系统提取模块和预测投影模块；所述输入模块包括输入1和输入2；输入1和输入2作为初始数据输入所述云量预测系统，具体为，输入1表示的是预测位置的历史气象数据，维度为Sin×Cin，Sin表示输入序列的长度，Cin表示预测位置的气象数据特征通道数；将输入1输入至基于趋势分解和周期增强的预测分支模块；输入2表示的是预测位置附近区域的历史气象数据，维度为Sin×H×W×C'in，Sin表示输入序列的长度，H表示区域的长度，W表示区域的宽度，C'in表示预测位置附近区域的气象数据特征通道数；将输入2输入至天气系统提取模块；所述基于趋势分解和周期增强的预测分支模块由若干个基本块组成，每个基本块包含了一个趋势分解模块，一个周期增强模块和一个前馈网络；将基于趋势分解和周期增强的预测分支模块的输出和天气系统提取模块的输出在通道维度进行向量拼接后作为预测投影模块的输入，预测投影模块将输入向量投影成指定的形状，得到最终的预测结果；在所述天气系统提取模块中，使用了三维卷积层对输入数据进行卷积操作；三维卷积层同时考虑时间维度、空间维度和通道维度的信息；对于历史气象数据，时间维度表示了不同时间步的数据，空间维度表示了不同空间位置的数据，通道维度表示了不同气象变量的数据；趋势分解模块的输出和周期增强模块的输出相加后作为前馈网络的输入，前馈网络的输出和输入1进行残差连接后得到一个基本块的输出；一个基本块的计算公式如下所示：T＝DecomposingXy＝EnhancingX-TS'＝FeedForwardT+y+X其中，Decomposing·表示趋势分解模块，Enhancing·表示周期增强模块，FeedForward·表示前馈网络，T为序列趋势，X表示基本块的输入，S’表示基本块的输出；多个基本块堆叠得到基于趋势分解与周期增强的预测分支模块的输出Sin×C1，其中C1为基于趋势分解与周期增强的预测分支模块输出的特征通道数；将基于趋势分解和周期增强的预测分支模块的输出Sin×C1和天气系统提取模块的输出Sin×C2在通道维度进行向量拼接；得到Sin×C1+C2，其中C2为天气系统提取模块输出的特征通道数；将Sin×C1+C2作为预测投影模块的输入，预测投影模块将输入向量投影成指定的形状，得到最终的预测结果Sout×Cout。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于深度序列模型的中长期云量预测方法及系统