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：航天新气象科技有限公司

摘要：本发明涉及一种基于编码器‑解码器和图神经网络的气象要素同化方法及系统。其包括：构建气象要素同化模型，其中，所述气象要素同化模型包括编码器以及解码器；同化时，提供在目标区域内目标气象要素的网格化气象预报信息以及基于目标区域内目标观测站点构建的图结构观测数据信息，利用编码器对网格化气象预报信息编码，以在编码后生成预报信息特征编码向量；将图结构观测数据信息以及预报信息特征编码向量加载到解码器，利用解码器将特征编码向量与图结构观测数据信息合并，并在合并后利用图神经网络进行卷积计算，以在卷积计算后生成网格化的气象场。本发明能大大提高气象要素的同化速度，减少计算资源，降低同化成本。

主权项：1.一种基于编码器-解码器和图神经网络的气象要素同化方法，其特征是，所述气象要素同化方法包括：对一目标区域以及一目标气象要素，构建与所述目标区域以及目标气象要素适配的气象要素同化模型，其中，所述气象要素同化模型包括编码器以及与所述编码器适配连接的解码器；同化时，提供在目标区域内目标气象要素的网格化气象预报信息以及基于目标区域内目标观测站点构建的图结构观测数据信息，其中，对构建的图结构观测数据信息，以目标区域内的每个目标观测站点作为图结构数据的节点node，以目标观测站点对目标气象要素观测获取的观测值作为节点特征，以目标观测站点的经纬度作为节点的坐标，所有目标观测站点之间两两链接，以两个目标观测站点之间的空间距离作为边特征；利用编码器对网格化气象预报信息编码，以在编码后生成预报信息特征编码向量；将图结构观测数据信息以及编码器生成的预报信息特征编码向量加载到解码器，利用解码器将特征编码向量与图结构观测数据信息合并，并在合并后利用图神经网络进行卷积计算，以在卷积计算后生成网格化的气象场；构建气象要素同化模型时，包括：构建与气象要素同化模型对应的气象要素同化基础模型以及用于对所述气象要素同化基础模型训练的模型训练数据集，其中，所述模型训练数据集包括若干训练样本，对任一训练样本，包括目标气象要素的网格化气象训练信息以及基于所述网格化气象训练信息构建的图结构训练数据信息，其中，对构建的图结构训练数据信息，以目标区域内的目标观测站点作为图结构数据的节点node，以基于网格化气象训练信息生成的气象要素值作为节点特征，以目标观测站点的经纬度作为节点的坐标，所有目标观测站点之间两两链接，以两个目标观测站点之间的空间距离作为边特征；训练时，对任一训练样本，利用气象要素同化基础模型内的编码器对网格化气象训练信息编码，以在编码后生成训练信息特征编码向量；将图结构训练数据信息以及训练信息特征编码向量加载到气象要素同化基础模型内的解码器，以生成网格化的训练气象场；基于网格化训练气象场以及网格化气象训练信息，计算训练损失；当计算得到的训练损失与训练损失阈值匹配时，将当前训练后的气象要素同化基础模型配置为气象要素同化模型，否则，更新气象要素同化基础模型的参数，直至计算得到的训练损失与训练损失阈值匹配。

全文数据：

权利要求：

百度查询： 航天新气象科技有限公司 基于编码器-解码器和图神经网络的气象要素同化方法及系统