公开(公告)号：CN115661612A

公开(公告)日：2023-01-31

申请号：CN202211498102.1

申请日：2022-11-28

Applicant: 成都信息工程大学

Inventor： 胡靖 ,  田川 ,  母嘉陵 ,  郑鹏 ,  吴锡

IPC: G06V10/82 ,  G06V10/774 ,  G06T3/40 ,  G06Q10/04 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于元迁移学习的通用气候数据降尺度方法，提出一种通用的气候降尺度框架MTL‑Framework，构建的降尺度模型在该框架上进行训练优化，基于元迁移学习，训练后的降尺度模型能隐含地学习到不同气候变量之间的关联性，本发明的降尺度框架能够在参数空间中找到一个对多个气象变量降尺度任务敏感且可转移的初始化参数，降尺度模型只需要通过该初始化参数初始化模型，接着在当前目标任务上经过简单的微调，就可以取得不错的降尺度效果。实验结果表明，本发明的气候降尺度方法较现有技术更优，并且在多个任务的综合性能表现上更好。