一种利用随机掩码和Transformer改进的短临降水预报方法
本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法,属于降水预测领域;一种利用随机掩码和Transformer改进的短临降水预报方法包括:S1,随机掩码时空序列图像;S2,构建网络模型,并将掩码标记后的时空序列图像输入网络进行模型训练;网络模型包括以UNet为核心模型的编码器‑解码器结构,在编码器中嵌入了SwinTransformer模块,并引入了SENet注意力机制;S3,模型训练过程中,输入图像通过前向传播过程得到预测值,然后根据损失函数进行反向调优不断对模型进行微调,最小化损失函数,实现模型的准确预测能力;S4,训练过程中使用L1+L2正则化,以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息,提高模型的预测准确性。
《一种利用随机掩码和Transformer改进的短临降水预报方法》是一发明专利,专利号为 2023100574128,当前法律状态为已下证,由南京信息工程大学提出申请,发明人为方巍;齐媚涵,申请日期为2023-01-14,公开(公告)日期为2025-12-09,国际专利分类号(IPC)为 G06V 10/44 (2022.01),高新资质:未报高企,所属技术领域包括:未报项目代售。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法,属于降水预测领域;一种利用随机掩码和Transformer改进的短临降水预报方法包括:S1,随机掩码时空序列图像;S2,构建网络模型,并将掩码标记后的时空序列图像输入网络进行模型训练;网络模型包括以UNet为核心模型的编码器‑解码器结构,在编码器中嵌入了SwinTransformer模块,并引入了SENet注意力机制;S3,模型训练过程中,输入图像通过前向传播过程得到预测值,然后根据损失函数进行反向调优不断对模型进行微调,最小化损失函数,实现模型的准确预测能力;S4,训练过程中使用L1+L2正则化,以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息,提高模型的预测准确性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
