[发明专利]一种基于多LSTM模型融合的降水量预测方法以及装置在审
| 申请号： | 201910263859.4 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN109991685A | 公开（公告）日： | 2019-07-09 |
| 发明（设计）人： | 谭智峰;李林 | 申请（专利权）人： | 北京市天元网络技术股份有限公司 |
| 主分类号： | G01W1/14 | 分类号： | G01W1/14;G01W1/10;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100193 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开是关于一种基于多LSTM模型融合的降水量预测方法、装置、电子设备以及存储介质。其中，该方法包括：获取目标区域内日粒度的历史气象数据，并将所述历史气象数据中的历史降水量按照预设间隔切分为多个数据集；分别建立所述多个数据集的LSTM模型并融合后与所述其它因素预测模型合并，生成降水量预测模型；对所述降水量预测模型的训练过程特性设置以完成模型训练；通过k折交叉验证法在验证集合上优化所述降水量预测模型的超参数；对未来时刻降水量预报模型输入新的采样时刻，得到对应降水量预报值。本公开通过多LSTM模型融合引入多组历史气象数据实现对降水量的预测，提升了对历史数据的感知能力，预测结果精准。 | ||
| 搜索关键词： | 降水量 预测模型 历史气象数据 模型融合 降水量预报 数据集 预测 交叉验证法 采样时刻 存储介质 电子设备 感知能力 获取目标 历史数据 模型输入 模型训练 特性设置 未来时刻 训练过程 预测结果 预设间隔 集合 验证 合并 融合 引入 优化 | ||
【主权项】：
1.一种基于多LSTM模型融合的降水量预测方法，其特征在于，所述方法包括：历史数据处理步骤，获取目标区域内日粒度的历史气象数据，使用历史同期及未来同期气象数据平均值补全所述历史气象数据中缺失，并将所述历史气象数据中的历史降水量按照预设间隔切分为多个数据集；预测模型建立步骤，分别建立所述多个数据集的LSTM模型及所述历史气象数据中除历史降水量外其它数据的其它因素预测模型，并将所述LSTM模型融合后与所述其它因素预测模型合并，生成降水量预测模型；模型特性设置步骤，对所述降水量预测模型的训练过程特性设置以完成模型训练；超参数优化步骤，通过k折交叉验证法在验证集合上优化所述降水量预测模型的超参数；预测值生成步骤，将训练后的多LSTM融合的降水量预测模型作为对未来时刻降水量预报模型，输入新的采样时刻，得到对应降水量预报值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市天元网络技术股份有限公司，未经北京市天元网络技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910263859.4/，转载请声明来源钻瓜专利网。
