干旱状态预测方法、干旱状态预测模型的训练方法及设备

专利主权项内容

1.一种干旱状态预测方法，其特征在于，包括：获取目标地区的历史时间序列数据；所述历史时间序列数据包括季节性特征的均值数据、温度数据、风速、标准降水指数SPI、植被指数和土壤湿度数据；采用特征提取网络，对所述历史时间序列数据进行特征提取，得到历史时序特征；所述特征提取网络包括至少一个LSTM层；相应的，采用特征提取网络，对所述历史时间序列数据进行特征提取，得到历史时序特征，包括：将所述历史时间序列数据输入所述特征提取网络中的LSTM层，得到每一LSTM层输出的时序特征；将各LSTM层输出的时序特征作为历史时序特征；采用注意力网络，对所述历史时序特征进行注意力运算，得到目标注意力权重；其中，所述注意力网络包括第一注意力网络、第二注意力网络和归一化网络；相应的，采用注意力网络，对所述历史时序特征进行注意力运算，得到目标注意力权重，包括：采用所述第一注意力网络，对所述历史时序特征进行注意力运算，得到第一注意力权重；其中，所述第一注意力网络重在捕获历史时序特征中季节性和周期性特征；采用所述第二注意力网络，对所述历史时序特征进行注意力运算，得到第二注意力权重；其中，所述第二注意力网络重在捕获历史时序特征中整体长期变化趋势特征；所述第一注意力网络的网络参数和所述第二注意力网络的网络参数不同；采用归一化网络，对所述第一注意力权重和所述第二注意力权重进行归一化，得到目标注意力权重；将所述历史时序特征和所述目标注意力权重进行加权求和，将求和结果作为目标时序特征；采用所述目标时序特征，对目标地区的干旱状态进行预测，得到所述目标地区的目标干旱状态。