• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    聯(lián)合MOD11A1和地面氣象站點(diǎn)數(shù)據(jù)的多站點(diǎn)溫度預(yù)測深度學(xué)習(xí)模型

    2023-02-03 03:02:48吳朋莉石陸魁
    計(jì)算機(jī)應(yīng)用 2023年1期
    關(guān)鍵詞:觀測站站點(diǎn)預(yù)測

    張 軍,吳朋莉,石陸魁,史 進(jìn),潘 斌

    (1.河北工業(yè)大學(xué) 人工智能與數(shù)據(jù)科學(xué)學(xué)院,天津 300401;2.河北省大數(shù)據(jù)計(jì)算重點(diǎn)實(shí)驗(yàn)室(河北工業(yè)大學(xué)),天津 300401;3.南開大學(xué) 統(tǒng)計(jì)與數(shù)據(jù)科學(xué)學(xué)院,天津 300071)

    0 引言

    溫度是氣候與生態(tài)研究的重要?dú)庀笠?,并且可以評(píng)估多種氣象災(zāi)害[1]。如今,隨著氣象設(shè)備的完善,氣象觀測站點(diǎn)數(shù)量逐漸增加,對(duì)各個(gè)氣象觀測站點(diǎn)間的氣溫資料進(jìn)行聯(lián)合分析有助于改進(jìn)溫度預(yù)測,但是,如何構(gòu)建站點(diǎn)間的聯(lián)系是一個(gè)巨大的挑戰(zhàn)。

    目前,溫度的預(yù)測方法主要分為數(shù)值方法和數(shù)據(jù)驅(qū)動(dòng)方法。數(shù)值方法根據(jù)物理?xiàng)l件和過程,利用數(shù)學(xué)模型描述溫度的變化,例如,高峰等[2]利用由北京氣候中心研發(fā)的氣候系統(tǒng)模式BCC-CSM1.1(Beijing Climate Center Climate System Model 1.1)進(jìn)行溫度預(yù)測;數(shù)據(jù)驅(qū)動(dòng)方法則以海量數(shù)據(jù)為基礎(chǔ),經(jīng)過訓(xùn)練生成最終的模型,例如,支持向量算法[3]、隨機(jī)森林算法[4-5]、決策樹[6]和不同機(jī)器學(xué)習(xí)結(jié)合算法[7-9]已經(jīng)在全球溫度預(yù)測中得到廣泛的應(yīng)用。

    最近,基于機(jī)器學(xué)習(xí)和人工智能技術(shù)的數(shù)據(jù)驅(qū)動(dòng)方法在氣象預(yù)測方面表現(xiàn)出巨大潛力,尤其是處理時(shí)間序列的經(jīng)典網(wǎng)絡(luò)——循環(huán)神經(jīng)網(wǎng)絡(luò)也已被應(yīng)用于溫度預(yù)測并且預(yù)測結(jié)果得到了改善。Liu 等[10]分析了多深度海洋溫度變化的時(shí)間依賴性,基于歷史觀測數(shù)據(jù)的時(shí)間依賴性,進(jìn)行參數(shù)矩陣融合,提出一種海洋溫度時(shí)間序列預(yù)測方法;Xiao 等[11]提出長短記憶與自適應(yīng)提升集成網(wǎng)絡(luò)LSTM-AdaBoost(Long Short-Term Memory and AdaBoost),利用自適應(yīng)提升算法預(yù)測能力強(qiáng)、不易過擬合的特點(diǎn),將它與長短期記憶(Long Short-Term Memory,LSTM)網(wǎng)絡(luò)結(jié)合進(jìn)行溫度預(yù)測;Jia 等[12]構(gòu)建基于卷積和LSTM 的深度學(xué)習(xí)預(yù)測網(wǎng)絡(luò),以預(yù)測下一個(gè)觀測日期的地表溫度空間分布;Zhang 等[13]提出一個(gè)多層卷積LSTM 模型來預(yù)測海洋溫度;Karevan 等[14]在天氣預(yù)報(bào)應(yīng)用中部署了堆疊LSTM 模型;NEC 實(shí)驗(yàn)室[15]提出基于兩階段注意機(jī)制的遞歸神經(jīng)網(wǎng)絡(luò),使溫度預(yù)測有效且易于解釋;Mtibaa 等[16]利用LSTM,使用序列到序列方法直接多步預(yù)測溫度。鑒于循環(huán)神經(jīng)網(wǎng)絡(luò)能有效處理溫度時(shí)間序列,本文使用LSTM 與門控循環(huán)單元(Gated Recurrent Unit,GRU)構(gòu)建溫度時(shí)序關(guān)系。

    然而,在多站點(diǎn)溫度預(yù)測中,不僅需要對(duì)時(shí)間關(guān)系建模還需要分析空間關(guān)系。學(xué)者通常利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)處理空間關(guān)系[17-19]。但是CNN 不適合處理離散的氣象觀測站點(diǎn)間關(guān)系,而適用于提取圖像的語義信息。最近,在其他研究領(lǐng)域中,有許多學(xué)者通過圖神經(jīng)網(wǎng)絡(luò)(Graph Neural Network,GNN)建立實(shí)體之間的聯(lián)系[20-25],其中,動(dòng)態(tài)神經(jīng)關(guān)聯(lián)推測模型進(jìn)行了人體關(guān)節(jié)的軌跡預(yù)測,它在每個(gè)時(shí)間點(diǎn)推理顯式實(shí)體交互關(guān)系并使用潛在變量表示實(shí)體的關(guān)系強(qiáng)度,最后使用估計(jì)的關(guān)系強(qiáng)度,盡可能準(zhǔn)確地重構(gòu)觀察到的軌跡。受以上研究的啟發(fā),本文將每個(gè)站點(diǎn)視為一個(gè)實(shí)體并且利用GNN 建模觀測站點(diǎn)間的關(guān)系;此外,由于地面氣象站點(diǎn)的分布比較稀疏且無規(guī)則,站點(diǎn)間的距離對(duì)站點(diǎn)間關(guān)系也會(huì)有影響,因此僅使用站點(diǎn)溫度進(jìn)行溫度預(yù)測會(huì)忽略站點(diǎn)本身位置的差異而產(chǎn)生的影響。而遙感圖像數(shù)據(jù)具有詳細(xì)的地面空間信息的優(yōu)勢,因此本文利用遙感圖像的相鄰像素空間屬性的相似性和相互依賴性,可以縮小由站點(diǎn)分布稀疏而產(chǎn)生的預(yù)測誤差。

    本文提出基于聯(lián)合MOD11A1[26]和地面氣象站點(diǎn)數(shù)據(jù)的多站點(diǎn)溫度預(yù)測深度學(xué)習(xí)模型(Deep learning Model for multistation temperature prediction combined with MOD11A1 and surface meteorological stations data,GDM),設(shè)計(jì)了時(shí)空注意力(Spatio-Temporal Attention,TSA)模塊將MOD11A1 數(shù)據(jù)轉(zhuǎn)變?yōu)槎嗵摂M站點(diǎn)數(shù)據(jù);同時(shí),GDM 采用編碼解碼結(jié)構(gòu),提出雙向圖神經(jīng)長短期記憶網(wǎng)絡(luò)(Double Graph neural Long Short-Term Memory,DG-LSTM)編碼模塊,采用雙向的兩層LSTM 對(duì)溫度時(shí)間序列數(shù)據(jù)進(jìn)行編碼,并將GNN 用于多站點(diǎn)關(guān)系編碼,成功地捕捉了多站點(diǎn)溫度時(shí)間序列的空間相關(guān)性;最后應(yīng)用邊-點(diǎn)轉(zhuǎn)換雙向門控循環(huán)網(wǎng)絡(luò)解碼模塊EN-GRU(Edge-Node transform Gated Recurrent Unit)對(duì)編碼的空間關(guān)系解碼,獲得了未來時(shí)間段溫度的雙向的特征。

    1 GDM

    1.1 GDM整體框架

    GDM 通過DG-LSTM、EN-GRU 進(jìn)行編碼、解碼以構(gòu)建溫度預(yù)測模型,如圖1 所示。GDM 通過TSA 模塊將MOD11A1信息轉(zhuǎn)化為與地面氣象觀測站點(diǎn)對(duì)應(yīng)的虛擬站點(diǎn)溫度信息;然后,利用GNN 建模多個(gè)觀測站點(diǎn)以及從MOD11A1 提取的多個(gè)虛擬站點(diǎn)之間的聯(lián)系,并使用LSTM 編碼溫度時(shí)間序列變化,GRU 解碼時(shí)間序列。給定N個(gè)站點(diǎn),T個(gè)時(shí)刻的觀測溫度時(shí)間序列X,以及包含上述N個(gè)站點(diǎn),T′個(gè)時(shí)刻的MOD11A1 時(shí)間序列數(shù)據(jù)M。遙感數(shù)據(jù)與站點(diǎn)數(shù)存在時(shí)空維度的差異,GDM 采用一個(gè)TSA 模塊將遙感數(shù)據(jù)M構(gòu)造成虛擬的多站點(diǎn)數(shù)據(jù)M1。M1與X擁有一致的時(shí)空分辨率,一同被輸入DG-LSTM 以編碼站點(diǎn)間的關(guān)系特征,隨后,將對(duì)應(yīng)時(shí)刻的關(guān)系特征輸入EN-GRU 以提高多站點(diǎn)溫度預(yù)測的精度。

    1.2 TSA模塊

    為了使MOD11A1 數(shù)據(jù)M的時(shí)空分辨率與地面氣象站點(diǎn)保持一致,提出TSA 模塊,如圖2 所示。在遙感數(shù)據(jù)時(shí)間序列中,不同時(shí)刻的相同要素之間以及相同時(shí)刻的不同要素之間都緊密關(guān)聯(lián)。M包含所有觀測時(shí)間的全部要素,每個(gè)通道代表區(qū)域內(nèi)某一時(shí)刻的某個(gè)要素。因此,利用通道間的相互依賴性,建立了時(shí)間注意力模塊,將M的時(shí)間分辨率與相同時(shí)刻要素特征和觀測站點(diǎn)保持一致;同時(shí),在TSA 模塊中使用卷積操作從遙感數(shù)據(jù)中提取豐富的上下文信息,作為與地面觀測站對(duì)應(yīng)的虛擬站點(diǎn)的特征。給定一個(gè)遙感數(shù)據(jù)M∈RC′×H′×W′,C′=T′×E,其中:T′是遙感數(shù)據(jù)觀測時(shí)間長度;E是每個(gè)時(shí)刻的要素?cái)?shù)量;T′×E代表通道數(shù)C′;H′、W′分別是每個(gè)通道圖的高和寬。M首先經(jīng)過三個(gè)卷積層分別提取查詢特征圖MQ、鍵特征圖MK和值特征圖MV,{MQ,MK,MV}∈RC×H×W,其中:C=T×N,T是地面觀測站的時(shí)間長度,N是站點(diǎn)數(shù)量,H、W分別是特征圖的高和寬。三個(gè)特征圖被轉(zhuǎn)換為RC×P,其中:P=H×W。將MQ的轉(zhuǎn)置與MK相乘,采用Softmax 層計(jì)算出注意力圖AT∈RC×C,如式(1)所示:

    圖2 TSA模塊Fig.2 TSA module

    然后,將AT的轉(zhuǎn)置與MV相乘,并將結(jié)果通過一個(gè)線性層轉(zhuǎn)換得到虛擬多站點(diǎn)數(shù)據(jù)M1。

    1.3 DG-LSTM模塊

    編碼器DG-LSTM 模塊設(shè)置前向與后向LSTM 提取觀測站點(diǎn)與虛擬站點(diǎn)時(shí)間序列的特征。在每個(gè)時(shí)刻,使用GNN依據(jù)提取的特征推理出站點(diǎn)間的交互關(guān)系特征,如圖3 所示。將地面觀測多站點(diǎn)數(shù)據(jù)X與虛擬多站點(diǎn)數(shù)據(jù)M1分別輸入?yún)?shù)共享的前向LSTMf和后向LSTMb,如式(2)所示:

    圖3 DG-LSTM模塊Fig.3 DG-LSTM module

    其中:hf1、hf2、hb1、hb2分別是觀測站點(diǎn)與虛擬站點(diǎn)前向傳播、觀測站點(diǎn)與虛擬站點(diǎn)后向傳播的隱藏狀態(tài)。將4 個(gè)隱藏狀態(tài)均傳入GNN 以構(gòu)建站點(diǎn)i、j之間在t時(shí)刻的關(guān)系特征:

    其中:FC1與FC3是點(diǎn)到邊轉(zhuǎn)換的線性層;FC2是邊到點(diǎn)轉(zhuǎn)換的線性層;h0 代表hf1、hf2、hb1、hb2得到的h分別對(duì)應(yīng)觀測站點(diǎn)前向傳播、虛擬站點(diǎn)前向傳播、觀測站點(diǎn)后向傳播和虛擬站點(diǎn)后向傳播的關(guān)系特征hfg1、hfg2、hbg1、hbg2。

    為了權(quán)衡前后時(shí)序傳播方向提取的有效關(guān)系,分別結(jié)合hfg1、hbg1以及hfg2、hbg2,并通過線性層對(duì)整合的結(jié)果降維,提取低維關(guān)系特征f1和f2,如式(4)所示:

    最后,連接f1和f2以結(jié)合觀測站點(diǎn)間與虛擬站點(diǎn)間構(gòu)建的關(guān)系特征,并采用Softmax 激活函數(shù)計(jì)算出最終的關(guān)系強(qiáng)度hg,如式(5)所示:

    1.4 EN-GRU模塊

    設(shè)計(jì)EN-GRU 模塊作為解碼器,使用向前、向后兩個(gè)傳播方向分別捕獲前向和后向的溫度時(shí)間序列變化。按照DG-LSTM 生成的站點(diǎn)間關(guān)系強(qiáng)度,在每個(gè)時(shí)刻關(guān)聯(lián)各個(gè)站點(diǎn)由GRU 產(chǎn)生的隱藏狀態(tài),如圖4 所示。在每個(gè)時(shí)刻,c2 作為關(guān)聯(lián)的最終狀態(tài)與地面觀測多站點(diǎn)X一起輸入EN-GRU,產(chǎn)生下一時(shí)刻的隱藏狀態(tài),如式(6)所示:

    圖4 EN-GRU模塊Fig.4 EN-GRU module

    其中:FCne是點(diǎn)到邊轉(zhuǎn)換的線性層,F(xiàn)Cen是邊到點(diǎn)轉(zhuǎn)換的線性層。EN-GRU 在向前向后傳播使用的GRU 分別是GRUf和GRUb,生成的最終隱藏狀態(tài)ct分別是cft和cbt。

    最后,結(jié)合最終的隱藏狀態(tài)cf和cb,并通過線性層將其轉(zhuǎn)換為與標(biāo)簽相同維度的預(yù)測結(jié)果,如式(7)所示:

    1.5 損失函數(shù)

    GDM 通過最小化真實(shí)溫度值與預(yù)測值之間的均方誤差(Mean-Square Error,MSE)來訓(xùn)練模型,如式(8)所示:

    其中:Yi與分別是第i個(gè)站點(diǎn)的真實(shí)溫度與預(yù)測溫度。

    2 實(shí)驗(yàn)與結(jié)果分析

    2.1 數(shù)據(jù)集

    實(shí)驗(yàn)使用了河北省氣象局提供的地面氣象站點(diǎn)數(shù)據(jù)集以及公開數(shù)據(jù)集MOD11A1。地面氣象站點(diǎn)數(shù)據(jù)是從2017 年1 月1 日0 時(shí)到2020 年4 月3 日24 時(shí)的10 個(gè)氣象站點(diǎn)的氣象數(shù)據(jù),在地圖上使用圓點(diǎn)標(biāo)記10 個(gè)觀測站點(diǎn),如圖5 所示。MOD11A1 以1 km 的空間分辨率提供每日每像素地表溫度和發(fā)射率,如圖6 所示。從MOD11A1 數(shù)據(jù)集提取出如下要素:1 km 分辨率的白天與夜晚的地表溫度;白天與夜晚地表溫度和發(fā)射率的質(zhì)量控制;白天與夜晚的地面溫度觀測;白天與夜晚的角度觀天頂?shù)牡乇頊囟?;波?1 發(fā)射率,波段32 發(fā)射率,白天和夜間晴空覆蓋,如圖7 所示。選擇對(duì)應(yīng)地面氣象站點(diǎn)數(shù)據(jù)的時(shí)間和空間范圍提取MOD11A1 作為輔助數(shù)據(jù)M。在實(shí)驗(yàn)前,對(duì)數(shù)據(jù)進(jìn)行了Z-SCORE 標(biāo)準(zhǔn)化的預(yù)處理,按6∶2∶2 的比例將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集。

    圖5 站點(diǎn)分布Fig.5 Station distribution

    圖6 MOD11A1數(shù)據(jù)Fig.6 MOD11A1 data

    圖7 多要素圖Fig.7 Multi-element diagram

    2.2 實(shí)驗(yàn)設(shè)置

    GDM 訓(xùn)練采用RMSprop 優(yōu)化器進(jìn)行參數(shù)優(yōu)化,初始學(xué)習(xí)率設(shè)為0.001,使用early stopping 訓(xùn)練策略防止過擬合,代碼基于Pytorch 架構(gòu)實(shí)現(xiàn)。為了評(píng)估GDM 效果,使用平均絕對(duì)誤差(Mean Absolute Error,MAE)、均方根誤差(Root Mean Squared Error,RMSE)、決定系數(shù)(R-Square,R2)作為評(píng)價(jià)指標(biāo)。MAE 是實(shí)際觀測值與預(yù)測值之間差值的平均值,可以更好地反映預(yù)測值誤差的實(shí)際情況;RMSE 測量觀測值和真實(shí)值之間的偏差;R2反映訓(xùn)練模型的擬合效果。MAE 和RMSE 值越低,預(yù)測結(jié)果越好;R2越大,模型擬合效果越好。為了保證對(duì)比實(shí)驗(yàn)與消融實(shí)驗(yàn)的有效性,所有的實(shí)驗(yàn)參數(shù)盡量保持一致。實(shí)驗(yàn)中輸入的序列長度均被設(shè)置為72 h。

    與GDM 對(duì)比的模型如下:二維卷積神經(jīng)網(wǎng)絡(luò)(2-Dimensional Convolutional Neural Network,2D-CNN)利用卷積神經(jīng)網(wǎng)絡(luò)對(duì)氣象站點(diǎn)歷史數(shù)據(jù)進(jìn)行建模;長短期記憶全連接(Long Short-Term Memory-Fully Connected,LSTM-FC)網(wǎng)絡(luò)[27]使用LSTM 捕獲時(shí)間序列依賴性,并使用神經(jīng)網(wǎng)絡(luò)獲取相鄰站之間的空間依賴關(guān)系;長短期記憶神經(jīng)網(wǎng)絡(luò)擴(kuò)展(Long Short-Term Memory neural network Extended,LSTME)網(wǎng)絡(luò)[28]利用LSTM 從歷史數(shù)據(jù)中自動(dòng)提取固有的有用特征,并將氣象數(shù)據(jù)和時(shí)間戳數(shù)據(jù)等輔助數(shù)據(jù)合并到模型中;LSTMAdaBoost 結(jié)合了異構(gòu)的LSTM 網(wǎng)絡(luò)模型和AdaBoost 模型。為了評(píng)估GNN 與遙感數(shù)據(jù)的有效性,進(jìn)行如下的消融實(shí)驗(yàn):前饋后饋門控單元(Feedforward and feedBack Gated Recurrent Unit,F(xiàn)BGRU)是雙向GRU 模型;前饋后饋解碼編碼器(Feedforward and feedBack Encoder and Decoder,F(xiàn)BED)采用雙向LSTM 與GNN 編碼地面氣象站點(diǎn)間關(guān)系,雙向GRU 解碼出預(yù)測結(jié)果;GDM 在FBED 的編碼器中加入GNN 編碼的遙感數(shù)據(jù)產(chǎn)生的虛擬站點(diǎn)間關(guān)系。

    2.3 實(shí)驗(yàn)結(jié)果

    在實(shí)驗(yàn)中,綜合評(píng)估了GDM 和四種對(duì)比實(shí)驗(yàn)?zāi)P秃蛢蓚€(gè)消融實(shí)驗(yàn)?zāi)P?。?shí)驗(yàn)對(duì)10 個(gè)站點(diǎn)進(jìn)行了未來1~24 h 的溫度預(yù)測。每個(gè)站點(diǎn)的所有實(shí)驗(yàn)結(jié)果如表1~6 所示,其中最好的結(jié)果加粗表示。圖8~13 展示了不同模型在每個(gè)時(shí)間點(diǎn)的預(yù)測誤差的對(duì)比情況。

    2.3.1 對(duì)比實(shí)驗(yàn)結(jié)果與分析

    使用MAE、R2和RMSE 評(píng)估GDM 與四種對(duì)比模型的24 h 預(yù)測性能,如表1~3 所示,GDM 在任意一個(gè)站點(diǎn)都具有最優(yōu)秀結(jié)果。圖8~10 展現(xiàn)了GDM 在24 h 內(nèi)與其他模型的對(duì)比情況。結(jié)果表明,相較于LSTM-AdaBoost 模型,GDM 的三個(gè)評(píng)價(jià)指標(biāo)的結(jié)果僅在第1 小時(shí)較差;相較于另外三個(gè)對(duì)比模型,GDM 的三個(gè)評(píng)價(jià)指標(biāo)結(jié)果在任何時(shí)刻均是最優(yōu)。

    表1 24 h內(nèi)溫度預(yù)測MAE 單位:℃Tab.1 MAE of temperature prediction within 24 hours unit:℃

    表2 24 h內(nèi)溫度預(yù)測R2 單位:%Tab.2 R2 of temperature prediction within 24 hours unit:%

    表3 24 h內(nèi)溫度預(yù)測RMSE 單位:℃Tab.3 RMSE of temperature prediction within 24 hours unit:℃

    圖8 對(duì)比實(shí)驗(yàn)24 h MAEFig.8 MAE of comparison results in 24 hours

    圖9 對(duì)比實(shí)驗(yàn)24 h R2Fig.9 R2 of comparison results in 24 hours

    GDM 表現(xiàn)較好的主要原因有兩點(diǎn):1)相較于4 種對(duì)比模型,針對(duì)地面氣象觀測站點(diǎn)分布較為稀疏的特點(diǎn),本文采用時(shí)空注意力模塊將空間信息較為詳細(xì)的MOD11A1 數(shù)據(jù)轉(zhuǎn)換為虛擬觀測站點(diǎn)來輔助溫度預(yù)測;2)本文采用圖神經(jīng)網(wǎng)絡(luò)構(gòu)建出站點(diǎn)間的關(guān)系強(qiáng)度,在每個(gè)時(shí)刻都對(duì)長短期記憶單元輸出的短期記憶構(gòu)建潛在的聯(lián)系形成觀測站點(diǎn)間的關(guān)系強(qiáng)度。

    2.3.2 消融實(shí)驗(yàn)結(jié)果與分析

    如表4~6 所示,對(duì)于未來24 h 溫度預(yù)測,GDM 優(yōu)于FBGRU 與FBED。從圖11 和13 中可以看到,F(xiàn)BED 的MAE和RMSE 僅僅在前8 個(gè)小時(shí)較差于FBGRU。圖12 展現(xiàn)了除前7 個(gè)小時(shí)外,F(xiàn)BED 的R2均優(yōu)于FBGRU。因此,在較長時(shí)間序列預(yù)測中,GNN 構(gòu)建站點(diǎn)間的聯(lián)系是有效的。而在前8個(gè)時(shí)刻的效果較差是由于在較短的時(shí)間內(nèi)站點(diǎn)本身溫度序列的時(shí)間依賴性比較強(qiáng),而加入了相鄰站點(diǎn)信息的模型削弱了站點(diǎn)本身歷史觀測溫度信息的強(qiáng)度。圖11~13 顯示GDM的評(píng)價(jià)指標(biāo)除第1 個(gè)小時(shí)均優(yōu)于FBGRU,因?yàn)橄鄬?duì)于僅采用站點(diǎn)數(shù)據(jù)進(jìn)行站點(diǎn)間關(guān)系的構(gòu)建,使用構(gòu)建的虛擬站點(diǎn)進(jìn)行輔助,可緩解地面站點(diǎn)分布稀疏對(duì)站點(diǎn)間關(guān)系的影響。

    圖10 對(duì)比實(shí)驗(yàn)24 h RMSEFig.10 RMSE of comparison results in 24 hours

    圖11 消融實(shí)驗(yàn)24h MAEFig.11 MAE of ablation results in 24 hours

    圖12 消融實(shí)驗(yàn)24h R2Fig.12 R2 of ablation results in 24 hours

    圖13 消融實(shí)驗(yàn)24 h RMSEFig.13 RMSE of ablation results in 24 hours

    表4 消融模型24 h內(nèi)溫度預(yù)測MAE 單位:℃Tab.4 MAE of temperature prediction within 24 hours for ablation models unit:℃

    表5 消融模型24 h內(nèi)溫度預(yù)測R2 單位:%Tab.5 R2 of temperature prediction within 24 hours for ablation models unit:%

    表6 消融模型24 h內(nèi)溫度預(yù)測RMSE 單位:℃Tab.6 RMSE of temperature prediction within 24 hours for ablation models unit:℃

    3 結(jié)語

    本文提出一種基于聯(lián)合MOD11A1 和地面氣象站點(diǎn)數(shù)據(jù)的多站點(diǎn)溫度預(yù)測深度學(xué)習(xí)模型,通過注意力將遙感數(shù)據(jù)轉(zhuǎn)換為虛擬多站點(diǎn)數(shù)據(jù),然后使用雙向的兩層LSTM 對(duì)溫度時(shí)間序列數(shù)據(jù)進(jìn)行編碼,并且將GNN 用于多站點(diǎn)關(guān)系編碼,成功地捕捉了多站點(diǎn)溫度時(shí)間序列的空間相關(guān)性,最后應(yīng)用兩層EN-GRU 對(duì)編碼的空間關(guān)系解碼出預(yù)測結(jié)果。對(duì)GDM 進(jìn)行了消融實(shí)驗(yàn)與對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明GDM 相較于其他模型預(yù)測結(jié)果提升顯著。由于本文僅利用了地面氣象站點(diǎn)的溫度資料與深度學(xué)習(xí)模型,在未來的研究工作中,將探索多元?dú)庀笠嘏c溫度的潛在關(guān)系,并把物理模型融入深度學(xué)習(xí)模型。

    猜你喜歡
    觀測站站點(diǎn)預(yù)測
    GPS導(dǎo)航對(duì)抗數(shù)據(jù)質(zhì)量特征實(shí)例分析
    無可預(yù)測
    黃河之聲(2022年10期)2022-09-27 13:59:46
    四川省甘孜州:航拍四川稻城高海拔宇宙線觀測站
    選修2-2期中考試預(yù)測卷(B卷)
    選修2-2期中考試預(yù)測卷(A卷)
    基于Web站點(diǎn)的SQL注入分析與防范
    電子制作(2019年14期)2019-08-20 05:43:42
    2017~2018年冬季西北地區(qū)某站點(diǎn)流感流行特征分析
    去中心化時(shí)差頻差直接定位方法
    不必預(yù)測未來,只需把握現(xiàn)在
    首屆歐洲自行車共享站點(diǎn)協(xié)商會(huì)召開
    中國自行車(2017年1期)2017-04-16 02:53:52
    久久久久久久精品精品| 亚洲色图综合在线观看| 黄色毛片三级朝国网站 | 观看美女的网站| 亚洲国产精品一区三区| 久久韩国三级中文字幕| av国产久精品久网站免费入址| 亚洲,一卡二卡三卡| 国产男女内射视频| 国产精品免费大片| 国产视频首页在线观看| 午夜福利视频精品| 六月丁香七月| 国产精品久久久久久精品电影小说| 色婷婷久久久亚洲欧美| 一本久久精品| 免费在线观看成人毛片| 免费在线观看成人毛片| 又爽又黄a免费视频| 国产精品99久久久久久久久| 我的老师免费观看完整版| 亚洲国产av新网站| 自拍欧美九色日韩亚洲蝌蚪91 | 久久精品熟女亚洲av麻豆精品| 成年人免费黄色播放视频 | 哪个播放器可以免费观看大片| 亚洲av男天堂| 免费观看性生交大片5| 一级毛片我不卡| 少妇熟女欧美另类| 亚洲精品中文字幕在线视频 | 欧美日韩一区二区视频在线观看视频在线| 欧美日韩在线观看h| 国产男女内射视频| 色视频在线一区二区三区| 亚洲国产精品一区三区| 婷婷色综合www| 亚洲国产成人一精品久久久| 久久精品熟女亚洲av麻豆精品| 啦啦啦视频在线资源免费观看| 免费不卡的大黄色大毛片视频在线观看| 免费不卡的大黄色大毛片视频在线观看| a级毛片免费高清观看在线播放| 18禁裸乳无遮挡动漫免费视频| 亚洲成人av在线免费| 一级a做视频免费观看| 色吧在线观看| 久久国产乱子免费精品| 日本wwww免费看| 3wmmmm亚洲av在线观看| 插逼视频在线观看| 丰满乱子伦码专区| 国产精品秋霞免费鲁丝片| 又大又黄又爽视频免费| 黄片无遮挡物在线观看| 婷婷色麻豆天堂久久| av播播在线观看一区| 精品国产一区二区久久| 国产精品久久久久久久电影| 精品久久国产蜜桃| 爱豆传媒免费全集在线观看| 国产亚洲欧美精品永久| 成人漫画全彩无遮挡| 少妇裸体淫交视频免费看高清| 一级毛片 在线播放| 99久久精品热视频| 观看av在线不卡| 久久久久国产网址| 免费观看无遮挡的男女| 日韩成人av中文字幕在线观看| 天堂8中文在线网| 日韩大片免费观看网站| 精品久久久久久电影网| 26uuu在线亚洲综合色| 国产精品熟女久久久久浪| 色视频在线一区二区三区| 免费大片18禁| 国产精品女同一区二区软件| 日本av手机在线免费观看| 青青草视频在线视频观看| 久久99热这里只频精品6学生| 18禁在线播放成人免费| 人人妻人人添人人爽欧美一区卜| 男女边吃奶边做爰视频| 免费久久久久久久精品成人欧美视频 | 成人综合一区亚洲| 国产欧美另类精品又又久久亚洲欧美| 久久久久久久久大av| 久久久午夜欧美精品| 高清午夜精品一区二区三区| 免费看光身美女| 国产亚洲av片在线观看秒播厂| 午夜av观看不卡| 亚洲精品自拍成人| 亚洲av日韩在线播放| 纵有疾风起免费观看全集完整版| 久久热精品热| 高清黄色对白视频在线免费看 | 精品亚洲乱码少妇综合久久| 狂野欧美激情性bbbbbb| 国产在线一区二区三区精| 久久毛片免费看一区二区三区| 高清视频免费观看一区二区| av黄色大香蕉| 亚洲人成网站在线观看播放| 一级毛片黄色毛片免费观看视频| 免费播放大片免费观看视频在线观看| 观看美女的网站| 人妻少妇偷人精品九色| 中文在线观看免费www的网站| 欧美日本中文国产一区发布| 成年人免费黄色播放视频 | 大片免费播放器 马上看| 亚洲,一卡二卡三卡| 秋霞在线观看毛片| 99久久人妻综合| 精品酒店卫生间| 一区二区三区精品91| 99久久中文字幕三级久久日本| 久久午夜综合久久蜜桃| 午夜福利影视在线免费观看| 啦啦啦啦在线视频资源| 亚洲三级黄色毛片| 人人妻人人看人人澡| 少妇高潮的动态图| 女性生殖器流出的白浆| 夜夜骑夜夜射夜夜干| 欧美日韩精品成人综合77777| 久久99精品国语久久久| 午夜av观看不卡| 97超视频在线观看视频| 狂野欧美激情性xxxx在线观看| 丰满少妇做爰视频| 国产精品免费大片| 国产欧美日韩精品一区二区| 国产精品一区二区在线观看99| 大话2 男鬼变身卡| 国内揄拍国产精品人妻在线| 少妇猛男粗大的猛烈进出视频| 久热久热在线精品观看| 99re6热这里在线精品视频| 精品人妻偷拍中文字幕| 国产亚洲午夜精品一区二区久久| 亚洲精品日本国产第一区| 日本欧美视频一区| 国产白丝娇喘喷水9色精品| 3wmmmm亚洲av在线观看| 又粗又硬又长又爽又黄的视频| 亚洲欧美日韩卡通动漫| 午夜免费鲁丝| 欧美三级亚洲精品| 最新的欧美精品一区二区| 精品一区二区免费观看| 久久 成人 亚洲| 国产视频内射| 一个人免费看片子| 久久久久久久久久久丰满| 97超视频在线观看视频| 一级二级三级毛片免费看| 国产淫片久久久久久久久| 亚洲精品第二区| 人妻系列 视频| 国产淫语在线视频| 国产成人精品久久久久久| 亚洲av福利一区| 亚洲四区av| 日韩视频在线欧美| 夜夜看夜夜爽夜夜摸| 亚洲精品色激情综合| 亚洲va在线va天堂va国产| 国产爽快片一区二区三区| tube8黄色片| 久久久久精品久久久久真实原创| 日本黄大片高清| 欧美日韩在线观看h| 亚洲av福利一区| 丰满乱子伦码专区| av在线播放精品| 一级黄片播放器| 久久婷婷青草| 亚洲中文av在线| 免费人妻精品一区二区三区视频| 国产成人91sexporn| 欧美日本中文国产一区发布| 欧美变态另类bdsm刘玥| 2021少妇久久久久久久久久久| 久久6这里有精品| av女优亚洲男人天堂| 丰满迷人的少妇在线观看| 少妇裸体淫交视频免费看高清| 五月天丁香电影| 亚洲精品一区蜜桃| 久久精品久久精品一区二区三区| 一级片'在线观看视频| 六月丁香七月| 国产亚洲精品久久久com| 国产精品蜜桃在线观看| 久久av网站| 精品熟女少妇av免费看| 一区二区av电影网| 大陆偷拍与自拍| 亚洲av综合色区一区| 精品一区二区三卡| 高清午夜精品一区二区三区| 国产一区二区在线观看日韩| 午夜免费鲁丝| 如何舔出高潮| 十八禁网站网址无遮挡 | 在线观看免费日韩欧美大片 | 三级国产精品片| 丝袜喷水一区| 99国产精品免费福利视频| 这个男人来自地球电影免费观看 | 天堂中文最新版在线下载| 成年美女黄网站色视频大全免费 | 一级毛片 在线播放| 性色avwww在线观看| 十八禁高潮呻吟视频 | 久久6这里有精品| 久久久久久久国产电影| 看免费成人av毛片| 日韩av不卡免费在线播放| 亚洲美女视频黄频| 激情五月婷婷亚洲| 在线观看美女被高潮喷水网站| 国产亚洲一区二区精品| 国产成人午夜福利电影在线观看| 亚洲精品久久久久久婷婷小说| 日韩强制内射视频| 青春草国产在线视频| 亚洲人成网站在线观看播放| 大陆偷拍与自拍| 深夜a级毛片| 国产精品一区二区在线不卡| 一本一本综合久久| av在线老鸭窝| 天天操日日干夜夜撸| 久久久久视频综合| 一本久久精品| av在线老鸭窝| 两个人的视频大全免费| 国产亚洲欧美精品永久| 久久久久久久久久久丰满| 久久99精品国语久久久| 国产美女午夜福利| 天堂中文最新版在线下载| av在线播放精品| 80岁老熟妇乱子伦牲交| 在线观看三级黄色| 十八禁高潮呻吟视频 | 久久久久久人妻| 亚洲av中文av极速乱| 国语对白做爰xxxⅹ性视频网站| 两个人免费观看高清视频 | 人人妻人人看人人澡| 色吧在线观看| 国产爽快片一区二区三区| freevideosex欧美| 久久久久精品性色| 欧美三级亚洲精品| 高清不卡的av网站| 国产伦理片在线播放av一区| 欧美少妇被猛烈插入视频| 国产乱人偷精品视频| 只有这里有精品99| 一级黄片播放器| 欧美xxⅹ黑人| 亚洲国产最新在线播放| 亚洲av二区三区四区| 美女xxoo啪啪120秒动态图| 亚洲av成人精品一区久久| 美女主播在线视频| 国产一级毛片在线| 亚洲欧美精品专区久久| 免费在线观看成人毛片| 国产精品一区二区性色av| 王馨瑶露胸无遮挡在线观看| av有码第一页| 91在线精品国自产拍蜜月| 少妇的逼水好多| 五月玫瑰六月丁香| tube8黄色片| 日韩不卡一区二区三区视频在线| 欧美日韩亚洲高清精品| 91aial.com中文字幕在线观看| 欧美日韩av久久| 国产精品久久久久久久电影| 一区二区三区乱码不卡18| 人妻制服诱惑在线中文字幕| 黄色怎么调成土黄色| 另类亚洲欧美激情| 国产精品三级大全| 亚洲丝袜综合中文字幕| 国产男女内射视频| 国产亚洲av片在线观看秒播厂| 少妇丰满av| 丰满饥渴人妻一区二区三| 欧美精品人与动牲交sv欧美| 一本大道久久a久久精品| 成人免费观看视频高清| 亚洲色图综合在线观看| 免费看光身美女| 我要看日韩黄色一级片| 少妇的逼水好多| 久久人人爽人人爽人人片va| 大又大粗又爽又黄少妇毛片口| 国产成人免费观看mmmm| 午夜精品国产一区二区电影| 精品国产乱码久久久久久小说| 99热这里只有是精品在线观看| 国内少妇人妻偷人精品xxx网站| 国产精品熟女久久久久浪| 亚洲成人av在线免费| 久久久久人妻精品一区果冻| 久久精品国产亚洲av天美| 22中文网久久字幕| 青青草视频在线视频观看| 一个人免费看片子| 91午夜精品亚洲一区二区三区| 国产成人免费无遮挡视频| 国产精品人妻久久久久久| 免费久久久久久久精品成人欧美视频 | 精品一区二区免费观看| 亚洲精品一区蜜桃| 七月丁香在线播放| 国产伦精品一区二区三区四那| 国产精品国产三级国产av玫瑰| 丝瓜视频免费看黄片| 五月伊人婷婷丁香| 中文字幕免费在线视频6| 欧美精品一区二区免费开放| 日韩一区二区三区影片| 日日啪夜夜撸| 一级黄片播放器| 久久免费观看电影| 秋霞在线观看毛片| 国产精品成人在线| 建设人人有责人人尽责人人享有的| 国产成人精品无人区| 久久99热这里只频精品6学生| 内地一区二区视频在线| 99视频精品全部免费 在线| √禁漫天堂资源中文www| 丝袜在线中文字幕| 在线天堂最新版资源| 伦理电影免费视频| 久久久久久人妻| 黄色配什么色好看| 十分钟在线观看高清视频www | a级片在线免费高清观看视频| 日本午夜av视频| 欧美日韩国产mv在线观看视频| 美女中出高潮动态图| 国产精品国产三级专区第一集| 国产成人免费无遮挡视频| 秋霞伦理黄片| 国产精品免费大片| 人人妻人人看人人澡| a级毛片免费高清观看在线播放| 亚洲av成人精品一区久久| 免费不卡的大黄色大毛片视频在线观看| av黄色大香蕉| 五月玫瑰六月丁香| 在线观看免费视频网站a站| 一边亲一边摸免费视频| 国产欧美日韩精品一区二区| 亚洲欧洲精品一区二区精品久久久 | 精品亚洲成a人片在线观看| 日韩制服骚丝袜av| 国产高清三级在线| 自拍欧美九色日韩亚洲蝌蚪91 | 欧美日韩视频高清一区二区三区二| 国产毛片在线视频| 日日爽夜夜爽网站| 国产高清不卡午夜福利| 精品久久久精品久久久| 精品熟女少妇av免费看| 人妻少妇偷人精品九色| 2022亚洲国产成人精品| 99久久综合免费| 国产日韩欧美亚洲二区| 日本与韩国留学比较| 男女边吃奶边做爰视频| 亚洲精品第二区| 内射极品少妇av片p| av福利片在线| 春色校园在线视频观看| 熟女av电影| 日本wwww免费看| 能在线免费看毛片的网站| 免费人成在线观看视频色| 最新中文字幕久久久久| 中文字幕精品免费在线观看视频 | 男女边吃奶边做爰视频| 国产精品伦人一区二区| 两个人的视频大全免费| 国产av国产精品国产| 国产日韩欧美在线精品| 婷婷色综合大香蕉| 中文字幕精品免费在线观看视频 | 久久久久精品性色| 国产探花极品一区二区| 亚洲精品乱久久久久久| 妹子高潮喷水视频| 国产av码专区亚洲av| 9色porny在线观看| 国产免费又黄又爽又色| 国产精品偷伦视频观看了| 老司机亚洲免费影院| 黑丝袜美女国产一区| videossex国产| 亚洲电影在线观看av| 成年人午夜在线观看视频| a级毛片在线看网站| 麻豆精品久久久久久蜜桃| 欧美精品一区二区免费开放| 国产爽快片一区二区三区| 国产成人91sexporn| 丝袜喷水一区| 成人特级av手机在线观看| 午夜视频国产福利| 欧美精品国产亚洲| 极品少妇高潮喷水抽搐| 亚洲av成人精品一二三区| a 毛片基地| 午夜福利在线观看免费完整高清在| 最近中文字幕高清免费大全6| 日本欧美视频一区| 3wmmmm亚洲av在线观看| 亚洲精品日本国产第一区| 欧美激情国产日韩精品一区| 中文精品一卡2卡3卡4更新| 亚洲av不卡在线观看| 天天躁夜夜躁狠狠久久av| av国产久精品久网站免费入址| 人妻 亚洲 视频| 久久久久久伊人网av| 香蕉精品网在线| 亚洲精品乱码久久久久久按摩| 插阴视频在线观看视频| 国产成人一区二区在线| 精品久久久久久久久av| 十八禁高潮呻吟视频 | 久久99热6这里只有精品| 人妻夜夜爽99麻豆av| 久久午夜福利片| 黄色一级大片看看| 亚洲情色 制服丝袜| 欧美97在线视频| 我的女老师完整版在线观看| 国产一区有黄有色的免费视频| 亚洲内射少妇av| 日韩在线高清观看一区二区三区| 卡戴珊不雅视频在线播放| 99视频精品全部免费 在线| 亚洲国产色片| 亚洲熟女精品中文字幕| 极品少妇高潮喷水抽搐| 免费av中文字幕在线| 一个人看视频在线观看www免费| 大片免费播放器 马上看| 久久久精品免费免费高清| 各种免费的搞黄视频| 午夜视频国产福利| 中文字幕av电影在线播放| 你懂的网址亚洲精品在线观看| 国产黄色视频一区二区在线观看| 免费观看a级毛片全部| 极品少妇高潮喷水抽搐| 丰满乱子伦码专区| 99国产精品免费福利视频| 国产免费一区二区三区四区乱码| 伊人亚洲综合成人网| 婷婷色av中文字幕| 成人国产av品久久久| 欧美高清成人免费视频www| 一区二区三区四区激情视频| 亚洲电影在线观看av| 少妇人妻精品综合一区二区| 免费播放大片免费观看视频在线观看| 国产成人精品一,二区| 中国国产av一级| 三级经典国产精品| a 毛片基地| 一区在线观看完整版| 精品亚洲成a人片在线观看| 黑人猛操日本美女一级片| 国产欧美亚洲国产| 色婷婷久久久亚洲欧美| 午夜av观看不卡| 91成人精品电影| 亚洲精品国产成人久久av| av有码第一页| 国产精品久久久久久精品电影小说| 街头女战士在线观看网站| 黑人巨大精品欧美一区二区蜜桃 | 丰满人妻一区二区三区视频av| 国产伦精品一区二区三区四那| 久久青草综合色| 精品熟女少妇av免费看| 欧美3d第一页| 各种免费的搞黄视频| 久久亚洲国产成人精品v| 18禁在线无遮挡免费观看视频| 交换朋友夫妻互换小说| 在线亚洲精品国产二区图片欧美 | av女优亚洲男人天堂| 亚洲熟女精品中文字幕| 免费少妇av软件| 观看美女的网站| 欧美日韩一区二区视频在线观看视频在线| 日韩一区二区三区影片| 国产成人免费观看mmmm| 中文资源天堂在线| 午夜福利影视在线免费观看| 国产黄频视频在线观看| 丝袜喷水一区| 综合色丁香网| 国产成人精品久久久久久| 超碰97精品在线观看| 一本色道久久久久久精品综合| 在线播放无遮挡| 欧美日韩国产mv在线观看视频| 交换朋友夫妻互换小说| 欧美成人精品欧美一级黄| 大码成人一级视频| 国产在线视频一区二区| 精品一区二区三区视频在线| 美女主播在线视频| h视频一区二区三区| 久久 成人 亚洲| 国内少妇人妻偷人精品xxx网站| 午夜精品国产一区二区电影| 一级a做视频免费观看| 伦理电影大哥的女人| 精品人妻熟女av久视频| 日本wwww免费看| 国产精品国产av在线观看| 91精品伊人久久大香线蕉| 一级,二级,三级黄色视频| av线在线观看网站| 久久久久人妻精品一区果冻| 在线天堂最新版资源| 99热6这里只有精品| 亚洲国产av新网站| 91精品一卡2卡3卡4卡| 亚洲综合精品二区| 欧美日韩在线观看h| 在线观看一区二区三区激情| 我要看日韩黄色一级片| 一个人看视频在线观看www免费| 日日爽夜夜爽网站| 99视频精品全部免费 在线| 国内精品宾馆在线| 亚洲欧美一区二区三区黑人 | 一级av片app| 亚洲天堂av无毛| 一级av片app| 26uuu在线亚洲综合色| 亚洲av在线观看美女高潮| 九九久久精品国产亚洲av麻豆| 亚洲美女搞黄在线观看| 丰满人妻一区二区三区视频av| 在线观看免费视频网站a站| 日韩强制内射视频| 日韩成人伦理影院| 视频中文字幕在线观看| www.av在线官网国产| 久久国产亚洲av麻豆专区| 国产黄片美女视频| 丰满少妇做爰视频| 制服丝袜香蕉在线| 丝袜脚勾引网站| 在线观看免费日韩欧美大片 | 乱人伦中国视频| 午夜激情久久久久久久| 国产在线男女| 日本爱情动作片www.在线观看| 人人妻人人澡人人爽人人夜夜| 一本大道久久a久久精品| 美女大奶头黄色视频| 一级黄片播放器| 婷婷色综合大香蕉| 极品少妇高潮喷水抽搐| 国产国拍精品亚洲av在线观看| a级片在线免费高清观看视频| 亚洲色图综合在线观看| 熟女电影av网| 国产黄色视频一区二区在线观看| 亚洲美女黄色视频免费看| 99热这里只有精品一区| 我的女老师完整版在线观看| 在线观看免费视频网站a站| 亚洲国产精品一区三区| 亚洲av二区三区四区| 国产老妇伦熟女老妇高清| 最新的欧美精品一区二区| 99热这里只有精品一区| 免费久久久久久久精品成人欧美视频 | 日本色播在线视频| a级一级毛片免费在线观看| 国产在视频线精品| 精品国产乱码久久久久久小说| 国产精品人妻久久久久久| 男人和女人高潮做爰伦理| 精品国产一区二区久久| 熟女av电影| 男人爽女人下面视频在线观看| 精品一区二区免费观看| 精品少妇黑人巨大在线播放| 日韩 亚洲 欧美在线| 18禁裸乳无遮挡动漫免费视频| 精品酒店卫生间| 韩国高清视频一区二区三区| 国产精品免费大片|