一种基于神经网络的大气能见度预测方法

摘要

本发明涉及大气观测技术领域，公开了一种基于神经网络的大气能见度预测方法，本发明通过获取大气能见度数据，使用三角函数编码获取大气能见度数据中的时间特征；使用融合线性标准化与K邻近的编码方式对大气能见度数据进行空间特征构造；将时间特征与空间特征添加至大气能见度数据中，生成大气能见度数据集；对大气能见度数据集中的模式数据和观测数据进行清洗，获得清洗后的大气能见度数据集；建立融合残差深度门和跳帧传输门的编码器预测器模型，并向编码器预测器模型中输入大气能见度数据集；通过建立融合残差深度门和跳帧传输门的编码器预测器模型，以此对大气能见度数据集进行计算，实现了精确预测大气能见度的效果。