基于时空注意力门控融合网络的闪电临近预报方法及装置

文档序号:37039933发布日期:2024-02-20 20:33阅读:来源:国知局

技术特征:

1.基于时空注意力门控融合网络的闪电临近预报方法,其特征在于,包括步骤:a.获取同一地点历年的多普勒雷达组合反射率图像,将每半小时内的5张多普勒雷达组合反射率图像组合成一个反射率图像样本;获取历年闪电观测数据,以0时为时间起点,6分钟为时间间隔,将连续时间的闪电观测数据进行时间聚合处理,并将时间聚合后的闪电观测数据映射到指定分辨率的网格中,对网格中的内容进行标记,完成空间聚合,得到时间和空间聚合处理后的闪电密度图像,以每半小时空间聚合后的5张闪电密度图像为一个闪电密度图像样本;基于历年闪电观测数据构建空间聚合处理后的闪电标签;

2.如权利要求1所述的闪电临近预报方法,其特征在于,对所述网格中的内容进行标记,包括:在聚合时间内如果同一网格内映射了n次闪电,则此格点闪电频数记为n,否则标记为0。

3.如权利要求1所述的闪电临近预报方法,其特征在于,所述基于历年闪电观测数据构建时空聚合处理后的闪电标签,包括:

4.如权利要求1所述的闪电临近预报方法,其特征在于,基于所述反射率图像样本、闪电密度图像样本以及闪电标签构建用于训练所述时空注意力门控融合网络的数据集,包括:

5.如权利要求1所述的闪电临近预报方法,其特征在于,所述时空注意力门控融合网络编码部分中的空间注意力模块,包括:首先对输入特征进行卷积核为 1*1*1的卷积,再做batchnorm操作和relu操作,再进行一次卷积核为 1*1*1的卷积,再做batchnorm操作和sigmoid操作,然后将sigmoid操作后的输出与空间注意力模块的输入特征进行点积操作后作为空间注意力模块的输出。

6.如权利要求1所述的闪电临近预报方法,其特征在于,所述时空注意力门控融合网络编码部分中对两条支路空间注意力机制模块的输出进行融合,包括:对两条支路空间注意力模块的输出进行加权求和,两部分权重系数之和等于1,并且权重系数可以训练和进行梯度反传。

7.如权利要求1所述的闪电临近预报方法,其特征在于,所述时空注意力门控融合网络编码部分中的注意力门控融合,包括融合模块加权求和后的输出做卷积核为 1*1*1的卷积,对主路上一级的输出做卷积核为 1*1*1的卷积,将两个卷积结果相加,再进行relu操作,再做输出通道为1卷积核为 1*1*1的卷积,然后通过sigmoid操作,将sigmoid后的输出与融合模块加权求和后的输出进行点积操作后作为注意力门控融合模块的输出。

8.根据权利要求1-7任一所述闪电临近预报方法的基于时空注意力门控融合网络的装置,其特征在于,包括:

9.一种计算机可读存储介质,其特征在于:存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如权利要求1-7中任一项所述方法。

10.一种电子设备,其特征在于,所述电子设备,包括:


技术总结
本发明涉及数据深度学习技术领域,具体涉及基于时空注意力门控融合网络的闪电临近预报方法及装置,包括步骤:A.获取反射率图像样本、闪电密度图像样本和闪电标签;B.基于所述反射率图像样本、闪电密度图像样本以及闪电标签训练时空注意力门控融合网络,所述时空注意力门控融合网络的基本框架采用U‑Net网络的U型编码和解码结构;C.获取当前的多普勒雷达组合反射率图像产品及闪电观测数据,将处理后的反射率图像样本及闪电密度图像样本输入训练完毕的时空注意力门控融合网络,进行闪电临近预报,极大地保留了图像的上下文信息;为了提取更多的空间信息,对各个支路和主通道均采用空间注意力模块以实现对闪电区域的自动识别并高权值响应。

技术研发人员:周昌海,胡俊,樊玲,钟帅,魏娟,樊珂瑞,代雨婷,刘阳,李小六,邱月,周辰,孙彬鑫,伍婧
受保护的技术使用者:成都师范学院
技术研发日:
技术公布日:2024/2/19
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1