检索结果-南通市图书馆

基于时域卷积网络的多尺度双线性天气预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

图学学报 2020年第5期41卷 764-770页

作者：孔震张华鲁岳圣凯袁明磊路通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

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T... 详细信息

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。

关键词：时域卷积网络多尺度融合双线性汇合数据挖掘天气预测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

趣谈古代天气预测知识

人民论坛 2022年第23期 126-128页

作者：韩吉绍山东大学历史文化学院

气象学在中国有极为悠久的历史。古人初步掌握天文物候规律后,开始进一步总结生活生产经验,进行天气预测。历经各时代递进发展,人们发明了很多种天气预测手段,如龟卜、易占,观天文及云气,察地理及动植物等,并发展出一些独特技术,如测风... 详细信息

气象学在中国有极为悠久的历史。古人初步掌握天文物候规律后,开始进一步总结生活生产经验,进行天气预测。历经各时代递进发展,人们发明了很多种天气预测手段,如龟卜、易占,观天文及云气,察地理及动植物等,并发展出一些独特技术,如测风量雨工具等。古代的天气预测知识主要是经验的结晶,在陆地和海洋方面均取得重要成就,对传统气象学和社会的发展作出了重要贡献。

关键词：天文气象天气预测农业谚语

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

简易天气预测 1

1996年

作者：卢志光卢峰崔晓军

内容简介本书概述了各种有趣的天气现象以及人们的生活、人体健康与天气之间的关系。深入浅出地介绍了有关天气预报的各种常识。配合图片总结了民间测天简易而行之有效的方法。全书内容短小精悍、图文并茂，集知识性、趣味性于一体... 详细信息

ISBN: (纸本)7810027999

内容简介本书概述了各种有趣的天气现象以及人们的生活、人体健康与天气之间的关系。深入浅出地介绍了有关天气预报的各种常识。配合图片总结了民间测天简易而行之有效的方法。全书内容短小精悍、图文并茂，集知识性、趣味性于一体，适读性强。适用于各类读者，成年人可以预测未来的天气变化，给您出门办事带来方便，儿童可以领略千姿百态的天气现象，增长气象知识：彩云妖娆多姿、形形色色的降水、美丽的树挂、海市蜃楼、彩色虹霓、日月晕环等绚丽多彩的天气现象。

关键词：天气预测普及读物

来源：汇雅图书（南通市图书馆... 评论

在线全文

汇雅图书（南通市图书馆）

学校读者我要写书评

暂无评论

基于粗糙集的CBR检索在天气预测中的应用

计算机工程与设计 2005年第11期26卷 2898-2901页

作者：季赛沈星沈超南京航空航天大学智能材料与结构航空科技重点实验室江苏南京210016 南京信息工程大学计算机科学与技术系江苏南京210044

针对灾害性天气预报和警报的迫切需要,研究了从气象数据中挖掘出知识、积累预报员的经验建立范例库,并利用CBR技术实现相似范例的检索,从而提高天气预报的水平。提出了快速检索的思路,先利用粗糙集理论去除冗余的范例决策表的特征属性,... 详细信息

针对灾害性天气预报和警报的迫切需要,研究了从气象数据中挖掘出知识、积累预报员的经验建立范例库,并利用CBR技术实现相似范例的检索,从而提高天气预报的水平。提出了快速检索的思路,先利用粗糙集理论去除冗余的范例决策表的特征属性,再利用BP神经网络来实现相似范例的检索。该检索方法速度快,效率高。给出了该方法在天气情况预测上的实例,验证了其有效性和准确性。

关键词：粗糙集属性离散化范例推理知识表达系统 BP算法天气预测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于概率图模型的天气预测研究

基于概率图模型的天气预测研究

作者：刘丽丹南京航空航天大学

学位级别：硕士

天气预测关系国计民生,从传统预报到数值预报,随着科技进步特别是计算能力的提升,预测准确率已大幅提高,但仍受限于对大气变化规律的认知程度,尤其是降水量的预测,依然是世界性难题。由数据驱动的天气预测方法层出不穷,以期帮助人们发... 详细信息

天气预测关系国计民生,从传统预报到数值预报,随着科技进步特别是计算能力的提升,预测准确率已大幅提高,但仍受限于对大气变化规律的认知程度,尤其是降水量的预测,依然是世界性难题。由数据驱动的天气预测方法层出不穷,以期帮助人们发现更多天气规律,探索不同的预测途径,提高预测准确率。概率图模型以其简洁直观的特点和广泛的学习推理能力,已被广泛应用于各个领域,在天气预测方面,也有着独特的优势。为探索气象要素的时间空间相关关系,本文应用图信号方法,提出了一种多尺度空间相关图模型,根据不同时间尺度,计算最优空间相关尺度,学习站点间的空间相关关系,在提升运算效率的同时,也提高了预测准确率。先是以条件高斯图模型,学习出华东地区21个测站之间可解释的降水量空间相关关系和气温相关性,在此基础上尝试扩大相关性探索的空间范围,利用提出的多尺度空间相关图模型,应用于全球气象观测站的要素预测,最后用联合条件高斯图模型,实现了多站点多要素联合预测,与其他未考虑空间相关性和输出变量相关性的线性预测模型比较,预测准确率有所提升。

关键词：概率图模型天气预测条件高斯图联合条件高斯图空间相关多尺度空间相关

复杂时空特征下数据驱动的短期风速及雷暴天气预测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

复杂时空特征下数据驱动的短期风速及雷暴天气预测方法

作者：张忠宇西安电子科技大学

学位级别：硕士

天气预测是计算机技术在气象学中的重点应用之一。近年来,天气预测方法从基于物理规律的数学建模方法发展到了基于更强大算力与更丰富数据的天气建模与预测方案,以数据驱动的深度学习方法得到了长足发展。然而,预测精度与实际应用需求... 详细信息

天气预测是计算机技术在气象学中的重点应用之一。近年来,天气预测方法从基于物理规律的数学建模方法发展到了基于更强大算力与更丰富数据的天气建模与预测方案,以数据驱动的深度学习方法得到了长足发展。然而,预测精度与实际应用需求之间仍存在较大差距。丰富的气象数据涵盖了包括时间、空间在内的多个维度信息,其中时间维度包含不同频率信息,空间维度包含高分辨率的网格数据以及非欧的图结构关系,复杂的时空特征使具体应用场景下的短期天气预测任务极具挑战性。本文选取基于风速的风电功率预测场景和雷暴天气预测场景,从气象数据空间结构的差异出发,分别设计了适应不同空间结构序列数据的天气预测模型,主要工作如下:第一,针对空间单点序列数据,本文在单场站风电功率预测场景下提出了一种基于双支路残差网络架构的单点风速预测模型。该算法采用非对称的双分支网络架构,增强了对输入数据长时变化趋势的感知,并实现了对输入序列分解策略的自主学习。其次,两支路间的多层跨层连接使模型可以交替提取与融合数据的不同频率特征。针对风速数据中小值的预测误差对精度影响偏大的问题,本文提出了一种改自交并比的相对误差损失函数,有效提升了模型在平均相对百分比评价指标上的表现。此外,本文对模型中的各个网络层进行了功能化和稀疏化设计,以搭建更为高效的时空特征提取模块。在多个数据集上,该方法以更轻量化的网络,在不同预测时间跨度的短期预测任务上均取得了更好的结果,在风速预测任务上,平均绝对百分比误差从Informer的10%降到了8.2%。第二,针对不规则空间节点数据,本文在群体风电功率预测场景下提出了一种基于图卷积的群体风速预测模型。该算法将图卷积网络和通道隔离策略应用于复杂节点数据的特征提取任务中,提高了模型的图表征能力。在模型的输入端引入K近邻节点特征融合策略,降低了单点气象数据噪声对整体预测结果的影响。其次,通过引入基于三角剖分的成图策略,将图数据的复杂度降低了三分之二以上,提高了模型在大规模群体预测任务上的训练效率。此外,引入了改进的时域卷积网络为模型提供时域建模能力。在中国宁夏风电场集群数据集上的对比实验表明,该方法显著提升了短期风速及风电功率的群体预测精度,均方根误差较单场站聚合算法降低了13.5%,在各单场站的预测结果上也都实现了10%到15%的性能提升。第三,针对稠密空间网格数据,本文在雷暴天气预测场景下提出了一种基于双支路三维编解码器的高维空间天气预测模型。该算法同样设计了基于不同采样频率的时空特征提取支路,并采用U型编解码架构,实现了等分辨率的云团轨迹预测。其次,通过对不同的预测时间跨度训练不同的网络参数,避免了解码器多时刻同步预测导致的结果趋同性和分辨率降低的问题。此外,通过引入杂波滤除、区域选择以及有效样本筛选等数据预处理方案,规范数据的同时降低了模型的学习难度以及噪声对预测结果的影响。在全国雷达回波数据集上的对比实验表明,该方法的短临预测表现较同类算法有显著改善,对高强度回波区域(雷暴)的命中率在50%以上。综上所述,本文将短期天气预测问题中常见的气象数据按照维度差异划分成三类。针对其普遍存在的难点,在具体的应用场景中,针对性地设计了三种预测算法,为后续各类天气预测模型的开发提供了新的解决方案。

关键词：天气预测复杂时空数据频率分解时空卷积图卷积

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空自监督的天气预测方法研究

基于时空自监督的天气预测方法研究

作者：贺甜甜山东大学

学位级别：硕士

天气预测是气象领域内重要的核心任务之一,同时与人类生产生活息息相关,在交通预测、农业生产、旅游业等诸多领域内均发挥着巨大的作用,进而保障着经济社会的高质量稳健发展。因此,天气预测一直是国内外学者们研究的热门课题。目前,主... 详细信息

天气预测是气象领域内重要的核心任务之一,同时与人类生产生活息息相关,在交通预测、农业生产、旅游业等诸多领域内均发挥着巨大的作用,进而保障着经济社会的高质量稳健发展。因此,天气预测一直是国内外学者们研究的热门课题。目前,主流天气预测方法可以分为两类:基于物理模型驱动的方法(即目前广泛应用于实际气象业务中的数值天气预报)和基于数据驱动的方法。基于物理模型驱动的天气预测方法需要超级计算机对大气系统中复杂的物理演化过程进行模拟和推算,计算资源消耗巨大,并且须利用专业的领域知识对所建立的数值模型进行精细的初始化设置。而大多数基于数据驱动的天气预测方法则是利用深度学习模型从大量历史天气数据中学习潜在的变化规律。与基于物理模型驱动的方法相比,数据驱动方法不仅降低了数个量级的计算成本,而且无需手工建立用来描述大气运动过程的物理学数值模型,因此,基于数据驱动的天气预测方法逐渐引起了越来越多学者的研究兴趣。然而,目前很多数据驱动模型往往会忽略空间维度上的相关性,或者只是简单将气象站点内的所有气象要素视为一个整体,没有从更加细粒度的角度去挖掘天气数据内部的复杂相关性,还有一些数据驱动方法则倾向于通过构建复杂的神经网络模型来进一步提高天气预测的准确率。针对上述方法中存在的局限性,本文首先提出了一种基于时空对比式自监督的天气预测方法(STWF),其采用了经典的编码器-解码器结构,从宏观的气象站点层面捕获天气数据的时空依赖关系,其中包括基于空间的自监督预训练模块和基于时间的自监督预训练模块。这两个模块通过手工设计的对比式自监督辅助任务来挖掘天气数据中的时空相似性,最终该方法实现了对未来一段时间内多个站点中多种气象要素的联合预测。在三个真实天气数据集上的大量实验结果验证了 STWF的有效性以及两个自监督辅助任务的可行性。为了进一步提高模型的预测准确率,本文在方法STWF的基础上,提出了一种融合生成式上下文自监督的天气预测方法(STCWF)。该方法中引入了生成式上下文自监督预训练模块,并利用手工设计的具有高掩码比例的天气特征重构辅助任务对其进行训练,进而从气象要素层面捕获天气数据的时空依赖关系,实现对气象要素之间上下文关系的建模。最后通过将生成式上下文自监督辅助任务与STWF中两种对比式自监督辅助任务相结合,简单网络便拥有了强大的天气潜在变化特征捕获能力。由此,一个有效的基于编码器-解码器结构的微调框架便得以构建,其中包含了三个经过自监督预训练的编码器。最后,本文在三个真实世界的天气基准数据集上进行了充分全面的实验,实验结果证明了 STCWF在天气预测任务中的优越性,同时也验证了新引入的生成式上下文自监督辅助任务的重要性和必要性。

关键词：天气预测数据驱动模型自监督学习对比学习