[發(fā)明專利]基于堆疊LSTM-GRU的多參數(shù)大氣環(huán)境數(shù)據(jù)生成方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010975903.7
• 申請(qǐng)日: 2020-09-16
• 公開（公告）號(hào): CN112101664B
• 公開（公告）日: 2022-07-12
• 發(fā)明（設(shè)計(jì)）人: 林連雷;張珊珊;高翔宇
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于堆疊LSTM-GRU的多參數(shù)大氣環(huán)境數(shù)據(jù)生成方法，其特征在于，包括以下具體步驟：

步驟1：獲取大氣環(huán)境數(shù)據(jù)集；

步驟2：根據(jù)所述大氣環(huán)境數(shù)據(jù)集建立堆疊LSTM-GRU模型；

所述堆疊LSTM-GRU模型包括輸入層、隱藏層和全連接輸出層，所述隱藏層堆疊使用LSTM層和GRU層進(jìn)行循環(huán)連接；在所述隱藏層增加repeat_vector層，在所述全連接層增加time_distributed層；所述repeat_vector層的形式為Keras.layers.RepeatVector(n)，將輸入重復(fù)n次，改變每一步的維數(shù)，同時(shí)不改變步長(zhǎng)；所述time_distributed層實(shí)現(xiàn)從二維向三維的過渡；所述全連接層輸出所述多參數(shù)大氣環(huán)境數(shù)據(jù)；

步驟3：向所述堆疊LSTM-GRU模型輸入歷史大氣環(huán)境數(shù)據(jù)，利用所述堆疊LSTM-GRU模型獲得多參數(shù)大氣環(huán)境數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的基于堆疊LSTM-GRU的多參數(shù)大氣環(huán)境數(shù)據(jù)生成方法，其特征在于，對(duì)所述大氣環(huán)境數(shù)據(jù)集進(jìn)行時(shí)間滑窗處理獲得訓(xùn)練集，用于結(jié)合LSTM網(wǎng)絡(luò)和GRU網(wǎng)絡(luò)訓(xùn)練所述堆疊LSTM-GRU模型，獲得所述訓(xùn)練集的過程為：

步驟21：以時(shí)間序列將所述大氣環(huán)境數(shù)據(jù)分為若干組；

步驟22：將每一組數(shù)據(jù)劃分為歷史窗口數(shù)據(jù)和未來窗口數(shù)據(jù)；根據(jù)未來窗口長(zhǎng)度劃分所述未來窗口數(shù)據(jù)，所述未來窗口長(zhǎng)度根據(jù)預(yù)測(cè)需求設(shè)定；

步驟23：所有所述歷史窗口數(shù)據(jù)和所述未來窗口構(gòu)成所述訓(xùn)練集。