公开(公告)号：CN118278499A

公开(公告)日：2024-07-02

申请号：CN202410445361.0

申请日：2024-04-15

Applicant: 吉林大学

Inventor： 李洪亮 ,  李想 ,  张弄 ,  徐哲文 ,  刘长征 ,  徐海啸

IPC: G06N3/096 ,  G06N3/0985 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明提供一种用于MJO预测的融合S2S多模式数据的迁移学习方法，涉及气象预测领域。所述用于MJO预测的融合S2S多模式数据的迁移学习方法能够有效利用不同气候模式的丰富数据，基于迁移学习的思想，利用S2S多模式数据进行模型预训练，提前学习了不同气候模式中的运动规律，以此保提升MJO的预测准确性。本发明，通过结合计算机深度学习相关知识，设计了适用于MJO预测的深度时空网络模型，即卷积神经网络与循环神经网络相结合，CNN+LSTM，一定程度的提高了MJO的预测准确率，同时保持了深度学习方法高效的预测能力。

公开(公告)号：CN118277468A

公开(公告)日：2024-07-02

申请号：CN202410445358.9

申请日：2024-04-15

Applicant: 吉林大学

Inventor： 徐哲文 ,  魏晓辉 ,  潘宝祥 ,  李洪亮 ,  刘长征 ,  徐海啸

IPC: G06F16/25 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04

Abstract: 本发明提供一种针对欧式空间数据向图神经网络格式数据转化的方法，涉及计算机技术与大气物理领域。所述用于欧式空间数据向图神经网络格式数据转化有效构建高维的非欧空间图并利用稀疏矩阵乘法完成欧式空间数据向图神经网络格式数据的转化。利用broadcast的索引方法快速构建大气图，使用稀疏矩阵乘法极大减少内存开销并提升运算速度，减少了欧式空间数据向图神经网络数据转化的开销，并且和传统方法具有相同的精度。本发明，通过结合计算机稀疏矩阵与大气网格构建知识，设计了适用于欧式空间数据向图神经网络格式数据转化的方法，减少了欧式空间数据向图神经网络数据转化的开销，并且和传统方法具有相同的精度。

公开(公告)号：CN118278283A

公开(公告)日：2024-07-02

申请号：CN202410445362.5

申请日：2024-04-15

Applicant: 吉林大学

Inventor： 徐哲文 ,  魏晓辉 ,  潘宝祥 ,  李洪亮 ,  刘长征 ,  李想 ,  徐海啸

IPC: G06F30/27 ,  G06F17/11 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04

Abstract: 本发明提供一种基于波动方程的动态大气关联图生成方法，涉及气象预测领域。所述用于大气关联图生成的基于波动方程的动态图生成方法能够有效利用时序气候模式的丰富数据，基于图顶点间余弦相似性的思想，时序数据融合波动函数求解计算边权重，捕获大气运动中的模式特征从而生成包含大气隐含关联以及物理学指导的图结构，用于图神经网络的训练，以此提升地区天气的预测准确性。本发明，通过结合计算机深度学习相关知识，设计了适用于基于物理学中的波动方程的动态大气关联图生成模型，一定程度的提高了地区天气的预测准确性，同时保持了图神经网络方法高效的预测能力。