[發明專利]一種基于長短時記憶算法的機場大霧預報預警方法

有效

• 申請號: 201911381804.X
• 申請日: 2019-12-27
• 公開（公告）號: CN111175852B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 彭雄偉;陳建軍;葛紅星;劉佑達;張揚
• 申請（專利權）人: 中國電子科技集團公司第十四研究所
• 主分類號: G01W1/10
• 分類號: G01W1/10
• 代理公司: 北京律譜知識產權代理有限公司 11457
• 代理人: 黃云鐸

1.一種基于長短時記憶算法的大霧預報預警方法，其特征在于，所述大霧預報預警方法包括以下步驟：

步驟S1：由機場自觀站和周邊氣象觀測站獲取氣象數據；

步驟S2：對獲取的所述氣象數據進行處理，剔除異常數據；

步驟S3：分別對經過處理的所述氣象數據進行標準化處理；

步驟S4：將進行標準化處理的所述氣象數據輸入長短時記憶神經網絡模型，對大霧等級進行預報。

2.根據權利要求1所述大霧預報預警方法，其特征在于，在步驟S1中，所述氣象數據包括能見度、溫度、濕度、風速、風向、氣壓、降水量等多項數據。

3.根據權利要求1所述大霧預報預警方法，其特征在于，在步驟S2中，設定時間閾值Th，將能見度小于1000米且時間持續小于Th的霧事件對應的氣象數據作為所述異常數據剔除。

4.根據權利要求1所述大霧預報預警方法，其特征在于，步驟S3中，還包括以下步驟：

步驟S31：分別提取不同量綱的所述氣象數據的最大值和最小值；

步驟S32：分別對不同量綱的所述氣象數據采用最大值最小值的標準化方法對數據進行標準化處理：

其中，x_std是所述氣象數據的標準化結果，x是獲取的所述氣象數據，x_max是所述氣象數據的最大值，x_min是所述氣象數據的最小值。

5.根據權利要求1所述大霧預報預警方法，其特征在于，步驟S4中，還包括以下步驟：

步驟S41：將采集到的各時刻氣象信息作為多維向量x^t輸入長短時記憶神經網絡模型，通過輸入門的網絡模型計算輸入門的值；

步驟S42：通過遺忘門的網絡模型計算遺忘門的值；

步驟S43：通過所述輸入門的值和遺忘門的值計算記憶單元狀態值；

步驟S44：通過所述記憶單元狀態值計算輸出門的值；

步驟S45：計算長短時記憶神經網絡模型的輸出值；

步驟S46：通過全連接層將長短時記憶神經網絡模型的輸出映射到分類輸出層；

步驟S47：采用Softmax函數對結果進行分類。

6.根據權利要求5所述大霧預報預警方法，其特征在于，步驟S41中，所述輸入門的網絡模型為：

公式中，是輸入門在時間t的網絡輸入，是輸入門在時間t的網絡輸出，w_il是輸入維度和輸入門輸出維度的連接權重，是時間t的輸入數據，w_hl是隱層結點數和輸入門輸出維度的連接權重，是t上一時刻隱層結點數輸出值，w_cl是Cell數目和輸入門輸出維度的連接權重，是t上一時刻記憶單元值，f是各個門的激活函數。

7.根據權利要求5所述大霧預報預警方法，其特征在于，步驟S42中，所述遺忘門的網絡模型為：

公式中，是遺忘門在時間t的網絡輸入，是遺忘門在時間t的網絡輸出，w_iφ是輸入維度和遺忘門輸出維度的連接權重，w_hφ是隱層結點數和遺忘門輸出維度的連接權重，w_cφ是Cell的數目和遺忘門輸出維度的連接權重，是t上一時刻Cell輸出值。

8.根據權利要求5所述大霧預報預警方法，其特征在于，步驟S43中，所述記憶單元狀態值與輸入門和遺忘門關系為：

公式中，是t時刻記憶單元狀態值，是t上一時刻Cell的值，g是Cell輸入激活函數，是上一層Cell輸入值，的計算公式如下：

公式中，w_ic是輸入維度和Cell數目的連接權重，w_hc是隱層結點數和Cell數目的連接權重。