一种基于Unet和DCN_LSTM的降水预测方法

发明专利有效专利

申请号：
CN202211233428.1
IPC分类号：G06Q10/04G06Q50/26G06N3/04G06N3/08
申请日期：
2022-10-10
申请人：
南京信息工程大学

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Unet和DCN_LSTM的降水预测方法
申请号	CN202211233428.1	申请日期	2022-10-10
法律状态	公开	申报国家	中国
公开/公告日	2022-11-08	公开/公告号	CN115310724A
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;G06N3/04;G06N3/08查看分类表>
申请人	南京信息工程大学	申请人地址	江苏省南京市江北新区宁六路2*** 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	南京信息工程大学	当前权利人	南京信息工程大学
发明人	秦华旺;包顺;戴跃伟
代理机构	南京经纬专利商标代理有限公司	代理人	胡杰

摘要

本发明公开了一种基于Unet和DCN_LSTM的降水预测方法，涉及天气预报技术领域，可以减少训练时间，提升了降水预测的时效性，将两种模型有效结合，提升降水预测的精准度，同时能够有效捕获时空相关性，使用可形变卷积学习输入对隐藏状态和记忆细胞的偏置量，可以通过输入来调整卷积核的位置，使得卷积核位置不再是固定的，能对降水区域特征有效提取，使用了贝叶斯算法，能够解决手动调参的繁琐，通过贝叶斯算法可以学习到最佳的超参数组合，通过多项指标评价，使用Unet和DCN_LSTM混合模型比使用单一模型预测精准度更高，效果更好。

一种IOT接口方法、IOT设备接口和用户设备接口

发明授权

一种基于Unet和DCN_LSTM的降水预测方法

在售专利 早买早用

在售专利早买早用