基于时域卷积网络的多尺度双线性天气预测模型

作     者：孔震 张华鲁 岳圣凯 袁明磊 路通 KONG Zhen;ZHANG Hua-lu;YUE Sheng-kai;YUAN Ming-lei;LU Tong

作者机构：南瑞集团有限公司江苏南京211106 东北电力大学电气工程系吉林吉林132012 南京大学计算机软件新技术国家重点实验室江苏南京210023 

出 版 物：《图学学报》 (Journal of Graphics)

年 卷 期：2020年第41卷第5期

页      面：764-770页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家电网有限公司总部科技项目 

主　　题：时域卷积网络 多尺度融合 双线性汇合 数据挖掘 天气预测 

摘      要：针对时域卷积网络(TCN)提取能力受卷积层感受野限制,难以对天气数据中的季节性信息和长时信息进行有效提取与分析的问题,提出了一个新的基于TCN的多尺度双线性天气预测模型。该模型由TCN层和双线性汇合层2部分组成,时域卷积层包含双路TCN,每个TCN利用历史观测数据独立提取特征,除卷积核尺度之外,其他网络参数均保持一致。多尺度的网络组合可以更深入挖掘数据中潜在关联信息;时域卷积层的输出作为双线性汇合层的输入进行双线性融合,规范化后得到最终输出,即对未来天气的预测值,进一步提升模型的特征表示能力。在公开的天气预测数据集上与5个基准方法进行对比,实验结果表明所提方法的预测结果准确率更高;此外,对比TCN,多尺度双线性天气预测模型面对长时数据信息时表现更加稳定。