【技術實現步驟摘要】
本專利技術涉及風速預報訂正，尤其是涉及一種自適應transformer風速預報訂正方法、裝置及設備。
技術介紹
1、風速訂正技術是提高風速預測精度的重要手段，旨在通過一系列科學方法和先進技術手段，消除或減少原始風速數據中的誤差和不確定性。大致上，風速訂正技術可以分為基于氣象學原理的方法和基于機器學習的方法兩類。但是，基于氣象學原理的風速訂正方法存在對于極端事件或快速變化的氣象條件適應性較差的問題，基于機器學習的風速訂正方法則存在模型表達能力較差的問題。
技術實現思路
1、有鑒于此，本專利技術的目的在于提供一種自適應transformer風速預報訂正方法、裝置及設備，可以提高在極端事件或快速變化的氣象條件下的風速預報訂正性能，還能有效提高模型特征表達能力。
2、第一方面，本專利技術實施例提供了一種自適應transformer風速預報訂正方法，包括：
3、獲取目標區域對應的氣象要素及地形數據；
4、通過transformer特征提取網絡，對氣象要素及地形數據進行特征提取處理得到深層非線性特征，并對深層非線性特征進行氣象特征工程提取處理得到統計特征、時序特征、時間特征和空間特征；
5、通過自適應特征融合網絡，對統計特征、時序特征、時間特征和空間特征進行特征融合處理得到融合后特征；
6、通過transformer特征解碼器，基于融合后特征生成目標區域對應的風速預報訂正結果。
7、在一種實施方式中，在獲取目標區域對應的氣
8、獲取目標區域對應的歷史氣象要素及地形數據；
9、通過transformer特征提取網絡，對歷史氣象要素及地形數據進行特征提取處理得到歷史深層非線性特征，并歷史深層非線性特征進行氣象特征工程提取處理得到歷史統計特征、歷史時序特征、歷史時間特征和歷史空間特征；
10、利用歷史統計特征、歷史時序特征、歷史時間特征和歷史空間特征，對自適應特征融合網絡進行訓練，以通過訓練后的自適應特征融合網絡對歷史統計特征、歷史時序特征、歷史時間特征和歷史空間特征進行特征融合處理得到歷史融合后特征；
11、通過transformer特征解碼器，基于歷史融合后特征生成目標區域對應的歷史風速預報訂正結果；
12、利用歷史風速預報訂正結果，對transformer特征提取網絡和transformer特征解碼器進行訓練，繼續通過訓練后的transformer特征提取網絡，對歷史氣象要素及地形數據進行特征提取處理得到新的歷史深層非線性特征，直至滿足預設的第一模型訓練停止條件。
13、在一種實施方式中，利用歷史統計特征、歷史時序特征、歷史時間特征和歷史空間特征，對自適應特征融合網絡進行訓練，包括：
14、初始化自適應特征融合網絡的特征融合策略；
15、從動作空間定義的多種策略改變動作中采樣目標策略改變動作，以利用目標策略改變動作對特征融合策略進行預調整；
16、通過自適應特征融合網絡，按照預調整后的特征融合策略，對歷史統計特征、歷史時序特征、歷史時間特征和歷史空間特征進行特征融合處理，得到當前次迭代下的歷史融合后特征；
17、基于當前次迭代下的歷史融合后特征，確定預調整后的特征融合策略對應的融合性能指標，以基于融合性能指標對特征融合策略進行正式調整，得到當前次迭代下的新的特征融合策略；
18、繼續從動作空間定義的多種策略改變動作中采樣新的目標策略改變動作，以利用新的目標策略改變動作對新的特征融合策略進行預調整，直至滿足預設的第二模型訓練停止條件，得到訓練后的自適應特征融合網絡。
19、在一種實施方式中，繼續通過訓練后的transformer特征提取網絡，對歷史氣象要素及地形數據進行特征提取處理得到新的歷史深層非線性特征，包括：
20、基于歷史風速預報訂正結果，確定每個時次的歷史氣象要素及地形數據對應的樣本損失；
21、根據樣本損失，確定每個時次的歷史氣象要素及地形數據對應的樣本權重；其中，樣本權重與樣本損失呈負相關；
22、利用樣本權重，對每個時次的歷史氣象要素及地形數據進行樣本加權處理，得到加權后歷史氣象要素及地形數據；
23、繼續通過訓練后的transformer特征提取網絡，對加權后歷史氣象要素及地形數據進行特征提取處理得到新的歷史深層非線性特征。
24、在一種實施方式中，氣象要素及地形數據包括高精度地形數據、氣象要素站點實況觀測數據、氣象要素格點再分析數據、模式預報數據；深層非線性特征包括高精度地形特征、站點實況觀測特征、格點再分析實況特征、模式預報特征；
25、通過transformer特征提取網絡，對氣象要素及地形數據進行特征提取處理得到深層非線性特征，包括：
26、通過不同維度的transformer特征提取網絡，分別提取高精度地形數據對應的高精度地形特征、氣象要素站點實況觀測數據對應的站點實況觀測特征、氣象要素格點再分析數據對應的格點再分析實況特征、模式預報數據對應的模式預報特征。
27、在一種實施方式中，通過不同維度的transformer特征提取網絡，分別提取高精度地形數據對應的高精度地形特征、氣象要素站點實況觀測數據對應的站點實況觀測特征、氣象要素格點再分析數據對應的格點再分析實況特征、模式預報數據對應的模式預報特征，包括：
28、通過二維transformer靜態特征提取網絡，提取高精度地形數據對應的高精度地形特征；
29、通過一維transformer動態特征提取網絡，提取氣象要素站點實況觀測數據對應的站點實況觀測特征；
30、通過二維transformer動態特征提取網絡，提取氣象要素格點再分析數據對應的格點再分析實況特征；
31、通過參數共享的三維transformer動態特征提取網絡，提取不同的模式預報數據對應的模式預報特征。
32、在一種實施方式中，對深層非線性特征進行氣象特征工程提取處理得到統計特征、時序特征、時間特征和空間特征，包括：
33、針對任意時次下站點實況觀測特征、格點再分析實況特征、模式預報特征，構建特征序列，提取特征序列的統計特征、時序特征、時間特征；其中，統計特征包括但不限于最小值、最大值、均值、方差，時序特征包括但不限于超前特征、滯后特征、滑動窗特征，時間特征包括但不限于月特征、日特征、時特征、分特征、周特征、季節特征；
34、以及，通過空間轉通道操作對高精度地形特征進行降尺度，以使降尺度后的高精度地形特征的分辨率與模式預報數據的分辨率一致，并通過正弦函數歸一化至連續區間，以得到空間特征。
35、在一種實施方式中，transformer特征解碼器包括多個解碼器子網絡和一個空間回歸子網絡；
36、通過transformer特征解碼器，基于融合后特征生本文檔來自技高網...
【技術保護點】
1.一種自適應Transformer風速預報訂正方法，其特征在于，包括：
2.根據權利要求1所述的自適應Transformer風速預報訂正方法，其特征在于，在獲取目標區域對應的氣象要素及地形數據之前，所述方法還包括：
3.根據權利要求2所述的自適應Transformer風速預報訂正方法，其特征在于，利用所述歷史統計特征、所述歷史時序特征、所述歷史時間特征和所述歷史空間特征，對自適應特征融合網絡進行訓練，包括：
4.根據權利要求2所述的自適應Transformer風速預報訂正方法，其特征在于，繼續通過訓練后的所述Transformer特征提取網絡，對所述歷史氣象要素及地形數據進行特征提取處理得到新的歷史深層非線性特征，包括：
5.根據權利要求1或2所述的自適應Transformer風速預報訂正方法，其特征在于，所述氣象要素及地形數據包括高精度地形數據、氣象要素站點實況觀測數據、氣象要素格點再分析數據、模式預報數據；所述深層非線性特征包括高精度地形特征、站點實況觀測特征、格點再分析實況特征、模式預報特征；
6.根據權利要求5
7.根據權利要求5所述的自適應Transformer風速預報訂正方法，其特征在于，對所述深層非線性特征進行氣象特征工程提取處理得到統計特征、時序特征、時間特征和空間特征，包括：
8.根據權利要求1或2所述的自適應Transformer風速預報訂正方法，其特征在于，所述Transformer特征解碼器包括多個解碼器子網絡和一個空間回歸子網絡；
9.一種自適應Transformer風速預報訂正裝置，其特征在于，包括：
10.一種電子設備，其特征在于，包括處理器和存儲器，所述存儲器存儲有能夠被所述處理器執行的計算機可執行指令，所述處理器執行所述計算機可執行指令以實現權利要求1至8任一項所述的方法。
...【技術特征摘要】
1.一種自適應transformer風速預報訂正方法，其特征在于，包括：
2.根據權利要求1所述的自適應transformer風速預報訂正方法，其特征在于，在獲取目標區域對應的氣象要素及地形數據之前，所述方法還包括：
3.根據權利要求2所述的自適應transformer風速預報訂正方法，其特征在于，利用所述歷史統計特征、所述歷史時序特征、所述歷史時間特征和所述歷史空間特征，對自適應特征融合網絡進行訓練，包括：
4.根據權利要求2所述的自適應transformer風速預報訂正方法，其特征在于，繼續通過訓練后的所述transformer特征提取網絡，對所述歷史氣象要素及地形數據進行特征提取處理得到新的歷史深層非線性特征，包括：
5.根據權利要求1或2所述的自適應transformer風速預報訂正方法，其特征在于，所述氣象要素及地形數據包括高精度地形數據、氣象要素站點實況觀測數據、氣象要素格點再分析數據、模式預報數據；所述深層非線性特征包括高精度地形特征、站點實況觀測特征、格點再分析實況特征、模式預報特征；
...
【專利技術屬性】
技術研發人員：于廷照，袁彬，李志敏，申彥波，莫景越，王闊音，姜睿嬌，丁勁，蘇永彥，薛冰，劉曉丹，
申請(專利權)人：中國氣象局公共氣象服務中心國家預警信息發布中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。