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！

申请/专利权人：江苏省气象台

摘要：本发明提供了一种区分ENSO事件衰减型的判定方法及系统，判定方法包括如下步骤：时序化网格化数据构建、基于多尺度三维卷积神经网络的多尺度特征提取、基于时空注意力机制的特征增强、基于拼接融合的ENSO衰减型事件判定。通过区分两类El和La的不同衰减型使得两类El和La次年我国夏季降水异常显著区的分布范围和信号强度均较未区分衰减型时有较好的改善，为我国汛期降水短期预测工作提供了重要依据。

主权项：1.一种区分ENSO事件衰减型的判定方法，其特征在于，包括如下步骤：收集沿赤道海表温度随时间变化的数据，构建随时间变化的网格化海表温度数据集；记录上述t时刻的网格化海表温度Kn,m,t＝Kn,m,t，公式表示t时刻、经度为n、纬度为m的海面温度，累计采集T个时刻的网格化海表温度，组成时序化网格化海面温度数据，即其维度为N×M×T；基于多尺度三维卷积神经网络对所述海面温度数据进行处理，然后基于时空注意力机制进行特征增强；将增强后的特征展开为特征向量之后，输入至一个以Softmax为激活函数的全连接层，以输出该时序化网格化海面温度数据属于各个ENSO衰减型的概率，概率最高的事件即为所对应的ENSO衰减型小类；基于多尺度三维卷积神经网络对上述海面温度数据进行处理的方法包括：多尺度三维卷积神经网络在空间维度与第三维上进行，通过引入不同尺度的卷积核，捕捉到不同尺度的特征； 其中表示卷积核为ksi×ksi×ksi的3DCNN的权重，采用4种不同尺度的卷积核，即ksi＝3579；进行所述特征增强的方法包括：利用全局平均池化与全局最大池化将特征图矩阵Fi转换为2组特征向量VGAP,i与VGMP,i，操作步骤如下： 然后利用深度神经网络生成注意力向量VA；将VGAP与VGMP输入至一个深度神经网络中，再将两组输出相加，利用Sigmoid函数将其归一化，得到表达式：VW，i＝fSigmoid[fDNNVGAP，i；WDNN，i+fDNNVGMP，i；WDNN，i]其中fDNN是一个含有两层全连接层的全连接神经网络，第一层与第二层的神经元数量分别为与D，第一层采用ReLU作为激活函数，第二层采用Sigmoid作为激活函数，输出归一化后的注意力向量，WDNN,i是其权重；利用注意力向量增强特征，公式如下： 事件判定的方法包括如下步骤：经过时空注意力机制增强后的特征展开为特征向量，如下： 其中包含中的所有元素，其维度为1×HiWiDi；其次，将特征向量拼接融合，该过程表示为： 上述融合特征向量的维度为输入至所述以Softmax为激活函数的全连接层进行事件判定。

全文数据：

权利要求：

百度查询： 江苏省气象台 一种区分ENSO事件衰减型的判定方法及系统