CN114626512B 一种基于有向图神经网络的高温灾害预报方法 （南京信息工程大学）_第1页
CN114626512B 一种基于有向图神经网络的高温灾害预报方法 （南京信息工程大学）_第2页
CN114626512B 一种基于有向图神经网络的高温灾害预报方法 （南京信息工程大学）_第3页
CN114626512B 一种基于有向图神经网络的高温灾害预报方法 （南京信息工程大学）_第4页
CN114626512B 一种基于有向图神经网络的高温灾害预报方法 （南京信息工程大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于有向图神经网络的高温灾害预报本发明公开了一种基于有向图神经网络的2根据气象要素本身的时间周期特性，将标准化后的有向图神经网络模型从图的角度来建模变量之间循环神经网络处理节点初始信息并将节点的表示向量解码为隐藏状态作为下一次迭-1)根据气象数据的时间周期特征和各气象要素构建有向图在图邻接矩阵中赋予连接节点的边不同的权重，实现3Ht=βHt-1分别代表g时刻的无灾害风险的概率、发出高温黄色预警概4发展的主要科学挑战。传统统计方法如自回归差分移动平均模型(ARIMA)主要针对平稳的络的大部分变体如LSTM(长短期记忆)、GRU(门控循环单元)等在时间序列预测上表现出的5[0021]循环神经网络处理节点初始信息并将节点的表示向量解码为隐藏状态作为下一6[0030]图学习模块从输入时间序列数据中根据逐步学习策略方法自适应提取图邻接矩[0031]图形卷积模块由两个混合传播层组成，分别处理通过每个节点的流入和流出信[0044]2、由于每个要素间的相互影响程度不尽相同，本发明在模型中加入了注意力机7[0046]4、充分考虑能量循环与水循环的相互作用，结合同一尺度相互作用的日最高气8四个值分别代表g时刻的无灾害风险概率、发出高温黄色预警概9[0092]循环神经网络处理节点初始信息并将节点的表示向量解码为隐藏状态(hidden[0097]其中，W和U均为超参数，xt为当前输入的时间序列数据，sigmoid函数表达式为e是自然对数函数的底数；E1、E2表示随机初始化的节点嵌入，[0098]图学习模块完全从输入时间序列数据本身中根据逐步学习策略方法自适应提取[0099]图形卷积模块由两个混合传播层组成，分别处理通过每个节点的流入和流出信[0100]考虑到气象要素间的相互影响不能一概而论，如大气热量的根本来源是太阳辐[0113]然后通过sofxmax运算符将预测向量通过下式(15)将输出值变为正数且和为1的[0118]将步骤1中处理好的训练集和验证集数据输入步骤2构建的有向图

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论