一种基于深度迁移学习的气象温度、光照的预测方法

发明专利有效专利

申请号：
CN202110220175.3
IPC分类号：G06Q10/04G06Q50/26G06F16/906G06N3/04G06N3/08
申请日期：
2021-02-26
申请人：
重庆大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度迁移学习的气象温度、光照的预测方法
申请号	CN202110220175.3	申请日期	2021-02-26
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-18	公开/公告号	CN112990558A
优先权	暂无	优先权号	暂无
主分类号	G06Q10/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q10/00 行政；管理〔8，2012.01〕 G06Q10/04 预测或优化，例如线性规划、“旅行商问题”或“下料问题”〔2012.01〕	IPC分类号	G06Q10/04;G06Q50/26;G06F16/906;G06N3/04;G06N3/08查看分类表>
申请人	重庆大学	申请人地址	重庆市沙坪坝区沙坪坝正街1*** 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆大学	当前权利人	重庆大学
发明人	毛永芳;王腾;魏铨;郭铭磊;柴毅;国祎晴
代理机构	重庆市嘉允启行专利代理事务所（普通合伙）	代理人	胡柯

摘要

本发明提供一种基于深度迁移学习的气象温度、光照的预测方法，具体步骤如下：获取目标区域内各个气象站点记录的历史数据，并对历史数据进行数据预处理，得到预处理数据；通过基于密度峰值的聚类算法预处理数据对气象探测点分类，并计算每一类的聚类中心点；使用每个类型的数据训练各自的空间预测神经网络模块，并根据优化后空间预测神经网络模块，对每个聚类得到的类型数据训练各自的预测模型；根据目标预测区域内有无数据样本使用不同的输入与模型结构对目标区域内的温度及光照进行预测，本发明适用于目标预测区域内有少量样本数据或零样本数据时的温度及日照的预测。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

一种焦炭生产用运输装置实用新型专利

申请号：CN201921957605.4

LOC分类号:B65G47/18

专利服务由北京酷爱智慧知识产权代理公司提供