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：温州市气象局;四创科技有限公司

摘要：本发明公开了一种基于CNN‑GCN神经网络的多源融合气象实况分析方法，属于气象模型技术领域，具体包括：采集不同数据源的网格气象数据；并进行预处理和标准化；将多种数据源的网格数据集输入CNN网络中，构建模型卷积层，提取气象数据中的关键特征；将气象实况观测站点的数据输入GCN网络中，捕获图结构的空间关系和特征依赖；将CNN处理的网格数据特征与GCN处理的站点数据特征进行融合，构建CNN‑GCN模型，融合后的特征通过额外的卷积层进行处理，引入注意力机制，动态调整CNN和GCN各自输出特征的权重；构建训练集和验证集对CNN‑GCN模型进行训练和优化；本发明提供了精细化的气象实况结果。

主权项：1.一种基于CNN-GCN神经网络的多源融合气象实况分析方法，其特征在于，包括以下步骤：S1：每隔1小时采集不同数据源的5km网格气象数据；所述气象数据包括温度、降雨、风向风速和湿度，对所述气象数据进行预处理和标准化；S2：将多种数据源的网格数据集多通道输入CNN网络中，设计卷积核大小和步长，确定卷积层的数量和深度，构建模型卷积层，提取气象数据中的关键特征，通过激活函数ReLU进行非线性映射，并通过池化层降低特征维度，构建全连接层汇总特征并生成降尺度后的输出；S3：将气象实况观测站点的数据输入GCN网络中，将站点作为节点，站点之间的空间距离为边，站点数据作为节点特征，构建图结构；设计图卷积层捕获图结构的空间关系和特征依赖；确定图卷积网络的深度，构建多层图卷积结构，并利用残差连接跳跃连接优化层间连接，以DA-RE数据集作为训练标签，计算GCN输出的网格数据与训练标签之间的均方根误差作为损失函数；S4：基于加权和方法将CNN处理的网格数据特征与GCN处理的站点数据特征进行融合，构建CNN-GCN模型，融合后的特征通过额外的卷积层进行处理，引入注意力机制，动态调整CNN和GCN各自输出特征的权重；S5：构建训练集和验证集，通过训练集对CNN-GCN模型进行训练，反向传播计算梯度，并更新参数以最小化损失函数，通过验证集评估模型性能并调整。

全文数据：

权利要求：

百度查询： 温州市气象局 四创科技有限公司 一种基于CNN-GCN神经网络的多源融合气象实况分析方法