-
公开(公告)号：CN115310724A
公开(公告)日：2022-11-08
申请号：CN202211233428.1
申请日：2022-10-10
Applicant: 南京信息工程大学
Abstract: 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。
Search Results
1
records
(took 0.025 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
