一种基于多分支融合神经网络的高低温预报方法及系统与流程
本技术涉及高低温预报,更具体地说,本技术涉及一种基于多分支融合神经网络的高低温预报方法及系统。
背景技术:
1、高低温预报技术是气象预报业务中用于预测未来一定时段内最高气温和最低气温变化的重要技术,可为农业生产、能源调度、交通运输、城市运行以及灾害防御等提供温度变化依据,随着气象观测数据种类不断丰富,利用神经网络对温度、湿度、风速、云量、辐射等多源气象要素进行综合建模,能够挖掘不同气象因素与气温变化之间的关联关系,为提高高低温预报结果的精细化程度提供技术基础。
2、在现有技术中,基于神经网络的高低温预报通常将不同气象要素分别进行特征提取,再通过统一的特征融合结构同时预测最高气温和最低气温,然而,最高气温主要受到白天地表受热、太阳短波辐射、暖平流及云量变化等过程影响,最低气温则更多受到夜间长波辐射冷却、近地层风场、空气湿度及逆温结构等因素影响,不同气象驱动因素对高温和低温的贡献程度及主要作用时段存在明显差异,现有固定融合方式难以针对不同温度形成过程调整各类气象特征的参与程度,容易使偏向日间升温过程的特征进入低温预测过程,或者使偏向夜间冷却过程的特征对高温预测产生干扰,导致融合后的特征表达不能准确对应不同温度形成机制,因此,如何实现高低温气象驱动特征的差异化融合,从而降低不同温度形成机制对融合结果的交叉干扰成为了业界面临的难题。
技术实现思路
1、本技术提供一种基于多分支融合神经网络的高低温预报方法及系统,可实现高低温气象驱动特征的差异化融合,从而降低不同温度形成机制对融合结果的交叉干扰。
2、第一方面,本技术提供一种基于多分支融合神经网络的高低温预报方法,包括如下步骤:
3、采集目标区域在待预报日之前的气象观测数据;
4、构建并训练多分支融合神经网络,根据所述多分支融合神经网络的日间热力分支对所述气象观测数据进行时域卷积和热力累积池化,得到日间升温热力特征;
5、根据所述多分支融合神经网络的夜间辐射分支对所述气象观测数据进行长波辐射解耦和辐射冷却累积池化,得到夜间辐射冷却特征;
6、通过所述多分支融合神经网络的过渡约束分支对所述气象观测数据中昼夜过渡时段的气温变量序列和辐射通量序列进行交叉卷积和梯度响应,得到昼夜过渡时段的热力转换系数;
7、将所述热力转换系数作为所述多分支融合神经网络的交叉门控条件,并基于所述日间升温热力特征和所述夜间辐射冷却特征进行高低温预报,输出待预报日的高温预报值和低温预报值。
8、在本实施例中,构建并训练多分支融合神经网络具体包括:
9、构建多分支融合神经网络,其中,所述多分支融合神经网络包括日间热力分支、夜间辐射分支与过渡约束分支;
10、获取历史气象观测数据;
11、对所述历史气象观测数据进行昼夜热力过程划分,生成包含高温标签与低温标签的训练样本集,并设定所述多分支融合神经网络的结构超参数;
12、根据所述结构超参数构建日间热力分支、夜间辐射分支与过渡约束分支的层间拓扑,并对各分支的连接权重进行热力学先验约束初始化;
13、将所述训练样本集输入初始化后的多分支融合神经网络进行前向传播,计算出高温预报误差、低温预报误差和昼夜热力平衡约束误差,并加权得到综合训练损失;
14、根据所述综合训练损失对多分支融合神经网络进行反向传播更新,直至满足收敛条件,得到训练完成的多分支融合神经网络。
15、在本实施例中,根据所述多分支融合神经网络的日间热力分支对所述气象观测数据进行时域卷积和热力累积池化,得到日间升温热力特征具体包括:
16、对所述气象观测数据进行日间热力要素对齐与辐射通量归一化,生成输入至所述多分支融合神经网络的日间热力分支的待卷积热力序列;
17、在所述多分支融合神经网络的日间热力分支中,采用太阳时角调制的多尺度时域卷积核对所述待卷积热力序列进行时域卷积,得到短时升温响应与长时热累积响应特征;
18、在所述多分支融合神经网络的日间热力分支中,对所述短时升温响应与所述长时热累积响应特征进行热力累积池化,生成非饱和热量累积特征图;
19、对所述非饱和热量累积特征图进行热力特征有效性校验,得到日间升温热力特征。
20、在本实施例中,对所述非饱和热量累积特征图进行热力特征有效性校验,得到日间升温热力特征具体包括:
21、对所述非饱和热量累积特征图进行热力分量解耦,得到日间热力有效累积分量与辐射强迫异常分量;
22、根据所述辐射强迫异常分量构建热力有效性校验掩码;
23、通过所述热力有效性校验掩码对所述日间热力有效累积分量进行一致性校正;
24、对校正后的日间热力有效累积分量进行特征空间映射,得到日间升温热力特征。
25、在本实施例中,根据所述多分支融合神经网络的夜间辐射分支对所述气象观测数据进行长波辐射解耦和辐射冷却累积池化,得到夜间辐射冷却特征具体包括:
26、对所述气象观测数据进行夜间辐射要素提取与大气逆辐射归一化,生成输入至所述多分支融合神经网络的夜间辐射分支的待解耦辐射序列;
27、在所述多分支融合神经网络的夜间辐射分支中,采用云量调制的地表长波辐射解耦网络对所述待解耦辐射序列进行长波辐射解耦,得到地表出射长波辐射分量与大气逆辐射分量;
28、对所述地表出射长波辐射分量与所述大气逆辐射分量进行辐射冷却累积池化,并结合夜间时长的指数衰减权重,生成夜间辐射累积特征图;
29、对所述夜间辐射累积特征图进行辐射平衡校验,得到夜间辐射冷却特征。
30、在本实施例中,对所述夜间辐射累积特征图进行辐射平衡校验,得到夜间辐射冷却特征具体包括:
31、对所述夜间辐射累积特征图进行辐射分量解耦,分离地表净辐射冷却分量与云层瞬态扰动分量;
32、对所述地表净辐射冷却分量与所述云层瞬态扰动分量进行辐射闭合性校验,得到辐射平衡校验掩码;
33、通过所述辐射平衡校验掩码对所述夜间辐射累积特征图进行约束映射,得到夜间辐射冷却特征。
34、在本实施例中,通过所述多分支融合神经网络的过渡约束分支对所述气象观测数据中昼夜过渡时段的气温变量序列和辐射通量序列进行交叉卷积和梯度响应,得到昼夜过渡时段的热力转换系数具体包括:
35、对所述气象观测数据中昼夜过渡时段的气温变量序列与辐射通量序列进行时间对齐与量纲归一化,生成输入至所述多分支融合神经网络的过渡约束分支的待卷积过渡序列;
36、在所述多分支融合神经网络的过渡约束分支中,采用气温-辐射双向交叉卷积核对所述待卷积过渡序列执行交叉卷积,提取气温对辐射的热力响应特征与辐射对气温的强迫响应特征,并生成热力耦合响应图;
37、对所述热力耦合响应图进行时间梯度响应计算,生成热力转换梯度图;
38、根据所述热力转换梯度图确定昼夜过渡时段的热力转换系数。
39、在本实施例中,对所述热力耦合响应图进行时间梯度响应计算,生成热力转换梯度图具体包括:
40、对所述热力耦合响应图进行时相展开,将各时间点的气温-辐射耦合响应映射为热力状态空间中的轨迹点,得到热力状态轨迹序列;
41、对所述热力状态轨迹序列施加基于热力学变分原理的梯度算子,求解相邻轨迹点之间的热力转换方向场和转换强度场,生成热力转换方向强度图;
42、对所述热力转换方向强度图进行方向场突变检测与孤立响应抑制,剔除热力转换方向场内的突变位置和孤立响应,得到热力转换梯度图。
43、在本实施例中,将所述热力转换系数作为所述多分支融合神经网络的交叉门控条件,并基于所述日间升温热力特征和所述夜间辐射冷却特征进行高低温预报,输出待预报日的高温预报值和低温预报值具体包括:
44、将所述热力转换系数作为所述多分支融合神经网络的交叉门控条件,进而生成日间热力增益门控矩阵与夜间辐射衰减门控矩阵;
45、在所述多分支融合神经网络中,利用所述日间热力增益门控矩阵与所述夜间辐射衰减门控矩阵分别对所述日间升温热力特征和所述夜间辐射冷却特征执行交叉门控调制;
46、将交叉门控调制后的特征输入所述多分支融合神经网络的特征融合层进行双向交互融合,生成高低温联合预报特征;
47、对所述高低温联合预报特征进行高温回归映射与低温回归映射,输出待预报日的高温预报值和低温预报值。
48、第二方面,本技术提供一种基于多分支融合神经网络的高低温预报系统,用于执行一种基于多分支融合神经网络的高低温预报方法,所述高低温预报系统包括:
49、气象数据采集模块,用于采集目标区域在待预报日之前的气象观测数据;
50、日间热力提取模块,用于构建并训练多分支融合神经网络,根据所述多分支融合神经网络的日间热力分支对所述气象观测数据进行时域卷积和热力累积池化,得到日间升温热力特征;
51、夜间辐射提取模块,用于根据所述多分支融合神经网络的夜间辐射分支对所述气象观测数据进行长波辐射解耦和辐射冷却累积池化,得到夜间辐射冷却特征;
52、过渡热力计算模块,用于通过所述多分支融合神经网络的过渡约束分支对所述气象观测数据中昼夜过渡时段的气温变量序列和辐射通量序列进行交叉卷积和梯度响应,得到昼夜过渡时段的热力转换系数;
53、交叉门控预报模块,用于将所述热力转换系数作为所述多分支融合神经网络的交叉门控条件,并基于所述日间升温热力特征和所述夜间辐射冷却特征进行高低温预报,输出待预报日的高温预报值和低温预报值。
54、本技术公开的实施例提供的技术方案具有以下有益效果:
55、采集目标区域在待预报日之前的气象观测数据;构建并训练多分支融合神经网络,根据所述多分支融合神经网络的日间热力分支对所述气象观测数据进行时域卷积和热力累积池化,得到日间升温热力特征;根据所述多分支融合神经网络的夜间辐射分支对所述气象观测数据进行长波辐射解耦和辐射冷却累积池化,得到夜间辐射冷却特征;通过所述多分支融合神经网络的过渡约束分支对所述气象观测数据中昼夜过渡时段的气温变量序列和辐射通量序列进行交叉卷积和梯度响应,得到昼夜过渡时段的热力转换系数;将所述热力转换系数作为所述多分支融合神经网络的交叉门控条件,并基于所述日间升温热力特征和所述夜间辐射冷却特征进行高低温预报,输出待预报日的高温预报值和低温预报值。
56、由此可见本技术中,可以基于所述日间升温热力特征和所述夜间辐射冷却特征进行高低温预报,输出待预报日的高温预报值和低温预报值;其中,首先,通过采集目标区域在待预报日之前的气象观测数据;其次,通过日间热力分支对气象观测数据进行时域卷积和热力累积池化,能够连续提取白天气温变化过程中具有持续升温作用的时序响应,并增强地表受热、太阳辐射及相关热力过程在时间维度上的累积表达,从而得到更加贴合日间增温演变规律的日间升温热力特征,同时,通过夜间辐射分支对气象观测数据进行长波辐射解耦和辐射冷却累积池化,能够从夜间气象变化过程中突出长波辐射损失以及持续降温过程对应的信息,并削弱与夜间辐射冷却关系较弱的混合特征,使夜间辐射冷却特征能够更准确地反映最低气温形成前的降温演变状态,由此使日间升温过程和夜间降温过程分别获得具有针对性的特征表达;进一步地,通过过渡约束分支对昼夜过渡时段的气温变量序列和辐射通量序列进行交叉卷积和梯度响应,能够提取气温变化方向、辐射通量变化方向以及二者在昼夜交替阶段的同步变化关系,从而利用热力转换系数刻画日间受热过程减弱、夜间辐射冷却过程增强或者夜间冷却过程结束、日间升温过程启动时的热力状态转换程度,使网络不仅能够分别识别日间和夜间的气温驱动信息,还能够获得两种热力过程之间的转换依据,降低仅依赖固定分支权重时对昼夜边界状态刻画不足所造成的预报偏差;最后,将所述热力转换系数作为交叉门控条件,对日间升温热力特征和夜间辐射冷却特征在不同预报目标中的参与程度进行动态调节,使处于日间增温阶段时能够增强日间升温热力特征对高温预报的贡献,并抑制夜间冷却信息对高温预测结果的非必要影响,使处于夜间冷却阶段时能够增强夜间辐射冷却特征对低温预报的贡献,并降低日间升温信息对低温预测结果的干扰,同时在昼夜转换阶段根据热力转换程度平滑调整两类特征之间的贡献关系,避免固定融合权重造成的特征贡献失衡,使高温预报值能够更加充分地响应日间增温过程,使低温预报值能够更加充分地响应夜间冷却过程,从而提高高温和低温预测结果对不同气象演变过程的适配程度,并改善昼夜热力状态快速转换情况下的预报精度。
57、综上所述,本技术采用的技术方案可实现高低温气象驱动特征的差异化融合,从而降低不同温度形成机制对融合结果的交叉干扰。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com