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：本发明提供了一种天气概率预测方法、系统、设备及介质，其属于天气概率预测技术领域，所述方案基于Copula概率估计，使用transformer和图卷积捕获天气数据的复杂的时空关系，基于时空关系预测天气数据的概率分布。一方面，所述方案能够输出未来每个时间每个地点的天气变量的概率分布，提供可能发生的天气情况及其概率，有利于直观捕获异常情况；另一方面，所述方案显式学习了不同天气变量的相关性，每个变量获得其他变量的辅助信息，提高预测的准确性。

主权项：1.一种天气概率预测方法，其特征在于，包括：获取预设时间段内不同站点的历史天气数据以及待预测的未来时间信息；基于获得的历史天气数据，利用预先训练的基于深度学习的时空特征提取网络，获得时空特征；其中，所述时空特征提取网络，执行如下处理过程：基于历史天气数据，获取历史天气数据的时间特征；基于所述时间特征，分别获取不同时间下不同地点的空间特征和天气变量特征；基于获得的空间特征和天气变量特征的融合特征，获得时空特征；基于所述时空特征，构建未来时间天气数据的联合概率分布；基于所述联合概率分布，通过采样获得未来时间天气情况的概率预测结果；所述时空特征提取网络，具体执行如下处理过程：基于获得的历史天气数据，对于不同地点每个天气变量下不同时间的天气数据，利用Transformer网络捕获天气数据之间的时间相关性，获得时间特征；基于所述时间特征，获取每个时间每个天气变量下的空间关系；基于所述空间关系结合对应的地理位置图，利用图卷积网络，获得每个地点的空间特征，以及，基于所述时间特征，获取每个时间每个地点下的天气变量关系；基于所述天气变量关系，利用图卷积网络，获得每个地点的时间变量特征；基于获得的空间特征和天气变量特征的融合特征，获得时空特征；所述空间特征的获取，具体采用如下表示： ； ；其中，表示在时间第个天气变量下所有地点的特征，表示在时间t第j个天气变量下的空间关系，A表示地理位置图，为第一参数矩阵和第二参数矩阵，其用于将映射到高阶空间，K表示捕获邻居关系的阶数，，其用于将空间特征映射到高阶空间，表示t时刻第j个天气变量下每个地点的空间特征，N为站点个数，C为特征长度；所述天气变量特征的获取，具体采用如下表示： ； ；其中，表示在时刻第个地点下的所有天气变量的特征，表示在时间第个站点下的不同天气变量的相关性，为第一参数矩阵和第二参数矩阵，其用于将参数矩阵将映射到高阶空间，K表示捕获邻居关系的阶数，其用于将天气变量特征映射到高阶空间，表示时刻第个站点下捕获了天气变量相关性的天气变量的特征，C为特征长度；所述基于所述时空特征，构建未来时间天气数据的联合概率分布，具体采用Copula方法，通过Copula方法将多个天气变量的联合概率分布划分为一个Copula密度函数和每个变量的边缘密度分布，通过将copula密度函数与边缘密度分布相乘获得未来天气数据的联合概率分布。

全文数据：

权利要求：

百度查询： 山东大学 一种天气概率预测方法、系统、设备及介质