[0001] 本申请涉及人工智能领域，具体而言，涉及一种风场预报方法及装置、存储介质及计算机程序产品。

[0002] 相关技术在进行风场预报时，从风场历史数据中提取的有用信息相对有限，传统模型又难以捕捉风场与其他相关气象要素(如温度、湿度、气压等)之间的非线性关系，进一步限制了风场预报的准确性。

[0003] 针对相关技术中，由于风场历史数据中提取的有用信息相对有限，导致不能准确进行风场预报的问题，目前尚未提出有效的解决方案。

[0004] 因此，有必要对相关技术予以改良以克服相关技术中的所述缺陷。

[0027] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

[0028] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

[0029] 本申请实施例中所提供的方法实施例可以在计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本申请实施例的一种风场预报方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器(Central Processing Unit，MCU)或可编程逻辑器件(Field Programmable Gate Array，FPGA)等的处理装置)和用于存储数据的存储器
104，其中，上述计算机终端还可以包括用于通信功能的传输设备106以及输入输出设备
108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

[0030] 存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的风场预报方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

[0031] 计算机终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

[0032] 在本实施例中提供了一种风场预报方法，图2是根据本申请实施例的一种风场预报方法的流程图，如图2所示，该流程包括如下步骤：

[0033] 步骤S202，将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，其中，所述目标气象要素包括以下至少之一：温度、湿度、气压、降水量；

[0034] 步骤S204，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果；

[0035] 步骤S206，根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，其中，所述每个时间段包括：所述第一时间段，所述第二时间段，所述第三时间段；所述第一时间段早于所述第二时间段，且所述第二时间段早于所述第三时间段，所述第一时间段，所述第二时间段和所述第三时间段依次相邻。

[0036] 通过上述步骤，通过时序网络对历史时间段内的风场历史数据和历史时间段内的目标气象要素的历史数据进行处理，以获取历史时间段中每个时间段的风场输出和目标气象要素输出；根据第一时间段的风场输出和第一时间段的目标气象要素输出确定第一融合结果；根据第二时间段的风场输出和第二时间段的目标气象要素输出以及第一融合结果进行第三时间段的风场预报。从而解决了相关技术中由于风场历史数据中提取的有用信息相对有限，导致不能准确进行风场预报的问题。

[0037] 需要明确的是，上述目标气象要素包括以下至少之一：温度、湿度、气压、降水量，其中，在使用多个目标气象要素的情况下，需要将上述多个目标气象要素在时间维度上进行拼接，即对于每个时间段，将温度、湿度、气压、降水量等向量或矩阵按顺序排列，形成一个包含多个目标气象要素的复合矩阵，需要明确的是，不特别规定上述多个目标气象要素的拼接顺序。

[0038] 在一个示例性的实施例中，获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出之前，所述方法还包括：获取所述风场历史数据在所述第一时间段的一维特征向量，以及所述目标气象要素的历史数据在所述第一时间段的一维特征向量；根据所述风场历史数据在所述第一时间段的一维特征向量，以及所述目标气象要素的历史数据在所述第一时间段的一维特征向量，确定所述第一时间段的风场输出，所述第一时间段的目标气象要素输出，所述风场历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵，所述目标气象要素的历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵。

[0039] 可选地，假设风场历史数据在第一时间段的一维特征向量为WDT1，目标气象要素的历史数据在第一时间段的一维特征向量为WVT1，根据公式和 确定第一时间段的风场
输出 第一时间段的目标气象要素输出 风场历史数据在第一时间段通过时序网
络输出的条件特征矩阵 目标气象要素的历史数据在第一时间段通过时序网络输出的条件特征矩阵 其中， 为零矩阵或正态分布的随机矩阵。

[0040] 在一个示例性的实施例中，获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，包括：获取所述风场历史数据在所述每个时间段的一维特征向量，所述目标气象要素的历史数据在所述每个时间段的一维特征向量，所述第一时间段的风场输出，所述第一时间段的目标气象要素输出，所述风场历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵，所述目标气象要素的历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵；在j大于1的情况下，根据以下公式确定所述每个时间段的风场输出 以及根据以下公式确定所述每个时间段的目标气象要素输出 其
中，Tj为第j时间段，Tj‑1为第j‑1时间段，j为正整数，WDTj为所述风场历史数据在Tj时间段的一维特征向量，WVTj为所述目标气象要素的历史数据在Tj时间段的一维特征向量，为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出， 为在Tj‑1时间段的风场输出， 为在Tj‑1时间段的目标气象要素输出， 为所述风场历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所述目标气象要素的历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所述风场历史数据在Tj‑1时间段通过所述时序网络输出的条件特征矩阵， 为所述目标气象要素的历史数据在Tj‑1时间段通过所述时序网络输出的条件特征矩阵。

[0041] 可选地，将第一时间段到第三时间段表示为T1‑T3，风场历史数据在T1‑T3的一维特征向量为WDT1、WDT2、WDT3，目标气象要素的历史数据在T1‑T3的一维特征向量为WVT1、WVT2、DimensionWVT3，其中，WDT1，WDT2，WDT3，WVT1，WVT2，WVT3∈R 。在j＝2的情况下，根据以下公式确定T2的风场输出 以及根据以下公式确定T2的
目标气象要素输出 其中， 为T1的风场
输出， 为T1的目标气象要素输出， 为风场历史数据在T1通过时序网络输出的条件特征矩阵, 为目标气象要素的历史数据在T1通过时序网络输出的条件特征矩阵。以此类推，可以确定后续每个时间段的风场输出和每个时间段的目标气象要素输出。

[0042] 在一个示例性的实施例中，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果，包括：获取所述第一时间段的风场输出和所述第一时间段的目标气象要素输出；根据以下公式确定所述第一融合结果

[0043] 和 其中，σ、tanh和Softmax表示三种不同的激活函数，CINFT0为正态分布的随机矩阵或零矩阵， 为所述第一时间段的风场输出， 为所述第一时间段的目标气象要素输出。可选地，第一时间段的风场输出为 第一时间段的目标气象要素输出为 根据本实施例的公式确
定第一融合结果CINFT1。其中， 和 是通过时序网络对风场历史数据和目标气象要素的历史数据进行处理后得到的隐状态矩阵， 和 包含了风场历史数据和目标气
象要素的历史数据在T1的特征信息。在 中，σ是sigmoid激活函
数，用于对风场输出进行非线性变换，以决定哪些信息在当前时间段即第一时间段是重要的，哪些应该被过滤掉。在 中，tanh激活函数对目标气象
要素输出进行处理，以构建一个辅助矩阵，这个辅助矩阵将提供额外的信息，用于更好地理解风场的变化趋势。在 中，Softmax
函数用于计算目标气象要素输出对风场预报的相对重要性。δT1是一个权重矩阵，δT1决定T1时间段目标气象要素输出对风场预报的影响程度。

[0044] 在一个示例性的实施例中，根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，包括：获取所述风场历史数据在所述第二时间段通过所述时序网络输出的条件特征矩阵和所述目标气象要素的历史数据在所述第二时间段通过所述时序网络输出的条件特征矩阵；在j＝2的情况下，根据以下公式确定风场预报的结果
其中，W和b表示训练参数，ReLU
表示激活函数，α、β、γ为参数，0≤α≤1，0≤β≤1，0≤γ≤1， 为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出，CINFTj‑1为Tj‑1时间段的第j‑1融合结果，为所述风场历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所
述目标气象要素的历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵，j为正整数。

[0045] 可选地，在j＝2的情况下，根据第二时间段的风场输出 第二时间段的目标气象要素输出 风场历史数据在T2时间段通过时序网络输出的条件特征矩阵 目标气象要素的历史数据在T2时间段通过时序网络输出的条件特征矩阵 以及第一融合结果CINFT1，通过本实施例的公式确定第二时间段的风场预报的结果。同理，确定第j时间段的风场预报的结果需要获取第j时间段的风场输出 第j时间段的目标气象要素输出第j‑1时间段的第j‑1融合结果CINFTj‑1。需要明确的是，当j＝1时，意味着没有前一时间段的融合结果CINFT0，则将CINFT0确定为零矩阵或者符合正态分布的随机矩阵，根据第一时间段的风场输出 第一时间段的目标气象要素输出 风场历史数据在T1时间段
通过时序网络输出的条件特征矩阵 目标气象要素的历史数据在T1时间段通过时序网络输出的条件特征矩阵 以及融合结果CINFT0确定第一时间段的风场预报的结果。

[0046] 在一个示例性的实施例中，将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络之前，所述方法还包括：将所述风场历史数据和所述目标气象要素的历史数据输入到目标神经网路的嵌入层，输出统一维度的风场历史数据的第一特征矩阵和统一维度的目标气象要素的历史数据的第二特征矩阵；将所述第一特征矩阵和所述第二特征矩阵通过所述目标神经网络的全连接层转化为第一一维特征向量和第二一维特征向量。

[0047] 可选地，假设风场历史数据是一个三维矩阵，目标气象要素的历史数据是一个二维矩阵，经过目标神经网路的嵌入层处理后，风场历史数据转换为第一特征矩阵，目标气象要素的历史数据转换为第二特征矩阵，其中，第一特征矩阵和第二特征矩阵具有统一维度。通过目标神经网路的全连接层将第一特征矩阵和第二特征矩阵中的数据转换为一维特征向量，即第一一维特征向量和第二一维特征向量。需要明确的是，本实施例中目标神经网路的嵌入层包含卷积神经网络、批归一化和激活函数。

[0048] 在一个示例性的实施例中，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果之后，所述方法还包括：获取所述第一融合结果，所述第二时间段的风场输出，以及所述第二时间段的目标气象要素输出；在j＝2的情况下，根据以下公式确定所述第二时间段的第二融合结果

[0049] 和 其中，σ、tanh和Softmax表示三种不同的激活函数，CINFTj为第j时间段的融合结果，CINFTj‑1为第j‑1时间段的融合结果， 为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出。

[0050] 在确定第一融合结果，且j＝2的情况下，根据第一融合结果、第二时间段的风场输出以及第二时间段的目标气象要素输出，通过本实施例的公式可以确定第二时间段的第二融合结果。同理，根据第二时间段的第二融合结果、第三时间段的风场输出以及第三时间段的目标气象要素输出，确定第三时间段的第三融合结果。以此类推，根据前一时间段的融合结果、当前时间段的风场输出以及当前时间段的目标气象要素输出，确定当前时间段的融合结果。

[0051] 为了更好的理解上述风场预报方法的过程，以下再结合可选实施例对上述风场预报的实现方法进行说明，但不用于限定本申请实施例的技术方案。

[0052] 图3是根据本申请实施例的一种风场预报方法的示意图，如图3所示，具体包括以下内容：

[0053] 本实施例以第一时间段到第四时间段的风场历史数据和其他气象要素历史数据作为输入，输出为第五时间段的风场预报数据，其中，其他气象要素包括但不限于温度、湿度、气压等，在使用了多个目标气象要素的情况下，需要先在时间维度将这多个目标气象要素进行拼接，合成一个矩阵作为输入。

[0054] 将历史时间段内的风场历史数据和历史时间段内的目标气象要素历史数据输入到目标神经网络的嵌入层，输出统一维度的风场历史数据的第一特征矩阵和统一维度的目标气象要素的历史数据的第二特征矩阵，其中，嵌入层包括卷积神经网络、批归一化和激活函数。将第一特征矩阵和第二特征矩阵通过目标神经网络的全连接层转化为第一一维特征向量和第二一维特征向量，将第一时间段到第四时间段的第一一维特征向量表示为WDT1,WDT2,WDT3,WDT4，第一时间段到第四时间段的第二一维特征向量表示为WVT1,WVT2,WVT3,WVT4。Dimension
其中，WDT1,WDT2,WDT3,WDT4,WVT1,WVT2,WVT3,WVT4∈R 。

[0055] 将第一时间段到第四时间段的第一一维特征向量和第一时间段到第四时间段的第二一维特征向量输入到并行运行的时序网络中，获取第一时间段到第四时间段的风场输出和第一时间段到第四时间段的目标气象要素输出。将第一时间段的风场输出和第一时间段的目标气象要素输出进行融合，确定第一时间段的第一融合结果。将第二时间段的风场输出、第二时间段的目标气象要素输出以及第一融合结果进行融合，得到第二时间段的融合结果。将第三时间段的风场输出、第三时间段的目标气象要素输出以及第二融合结果进行融合，得到第三时间段的融合结果。根据第四时间段的风场输出、第四时间段的目标气象要素输出以及第三融合结果进行融合，进行第五时间段的风场预报。

[0056] 上述实施例描述了风场预报的整个过程，为了更好的理解上述风场预报方法中融合结果的计算过程，以下结合实施例对融合结果的计算过程进行说明，但不用于限定本申请实施例的技术方案。

[0057] 图4是根据本申请实施例的一种风场预报方法的融合结果计算示意图。如图4所示，具体包括以下内容：

[0058] 风场历史数据在第一时间段到第四时间段的第一一维特征向量分别为WDT1,WDT2,WDT3,WDT4，目标气象要素的历史数据在第一时间段到第四时间段的第二一维特征向量表示Dimension为WVT1,WVT2,WVT3,WVT4。其中，WDT1,WDT2,WDT3,WDT4,WVT1,WVT2,WVT3,WVT4∈R 。根据公式确定第一
时间段到第四时间段的风场输出，第一时间段到第四时间段的目标气象要素输出，风场历史数据在第一时间段到第四时间段通过时序网络输出的条件特征矩阵，以及目标气象要素的历史数据在第一时间段到第四时间段通过时序网络输出的条件特征矩阵，其中，j为正整数，在本实施例中1≤j<4。需要明确的是，在j＝1的情况下， 为零
矩阵或正态分布的随机矩阵。

[0059] 根据前一时间段的融合结果、当前时间段的风场输出、当前时间段的目标气象要素输出，以及以下公式确定当前时间段的融合结果

[0060]

[0061] 其中，W和b表示训练参数，σ、tanh和Softmax表示三种不同的激活函数， 和是通过时序网络对风场历史数据和目标气象要素的历史数据进行处理后得到的隐状态矩阵， 和 包含了风场历史数据和目标气象要素的历史数据在Tj时间段的特征信息。在 中，σ是sigmoid激活函数，用于对风场输出进行非线
性变换，以决定哪些信息在当前时间段即第一时间段是重要的，哪些应该被过滤掉。在中，tanh激活函数对目标气象要素输出进行处理，以构建一
个辅助矩阵，这个辅助矩阵将提供额外的信息，用于更好地理解风场的变化趋势。在中，Softmax函数用于计算目标气象要
素输出对风场预报的相对重要性。δTj是一个权重矩阵，δTj决定Tj时间段目标气象要素输出对风场预报的影响程度。 将
关联性结果δTj与 和 相乘获得加权信息，与前一时刻融合结果CINFTj‑1进行融合，充分考虑了风场历史数据和目标气象要素的历史数据之间的动态联系，从而提高了预报的精度。需要明确的是，在j＝1的情况下，CINFT0为符合正态分布的随机矩阵或零矩阵。

[0062] 根据T4时间段的风场输出 T4时间段的目标气象要素输出 风场历史数据在T4时间段通过时序网络输出的条件特征矩阵 目标气象要素的历史数据在T4时间段通过时序网络输出的条件特征矩阵 以及上一个时间段即T3时间段的第三融合结果CINFT3，通过以下公式确定第五时间段的风场预报的结果

[0063] 其中，ReLU是一种激活函数，α、β、γ为参数，0≤α≤1，0≤β≤1，0≤γ≤1，z本实施例中将α、β、γ分别设置为0.8、0.2、0.5，但是α、β、γ的大小也可以根据实际实验结果调整，设置通常满足α>β。

[0064] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。

[0065] 在本实施例中还提供了一种风场预报装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

[0066] 图5是根据本申请实施例的一种风场预报装置的结构框图，该装置包括：

[0067] 获取模块52，用于将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，其中，所述目标气象要素包括以下至少之一：温度、湿度、气压、降水量；

[0068] 融合模块54，用于将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果；

[0069] 预报模块56，用于根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，其中，所述每个时间段包括：所述第一时间段，所述第二时间段，所述第三时间段；所述第一时间段早于所述第二时间段，且所述第二时间段早于所述第三时间段，所述第一时间段，所述第二时间段和所述第三时间段依次相邻。

[0070] 通过上述装置，将历史时间段内的风场历史数据和历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取历史时间段内的每个时间段的风场输出和每个时间段的目标气象要素输出，其中，目标气象要素包括以下至少之一：温度、湿度、气压、降水量；将历史时间段内的第一时间段的风场输出和第一时间段的目标气象要素输出进行融合，以确定第一时间段的第一融合结果；根据历史时间段内的第二时间段的风场输出和第二时间段的目标气象要素输出，以及第一融合结果进行第三时间段的风场预报，其中，每个时间段包括：第一时间段，第二时间段，第三时间段；第一时间段早于第二时间段，且第二时间段早于第三时间段，第一时间段，第二时间段和第三时间段依次相邻。从而解决了相关技术中由于风场历史数据中提取的有用信息相对有限，导致不能准确进行风场预报的问题。

[0071] 在一个示例性的实施例中，获取模块52，还用于获取所述风场历史数据在所述第一时间段的一维特征向量，以及所述目标气象要素的历史数据在所述第一时间段的一维特征向量；根据所述风场历史数据在所述第一时间段的一维特征向量，以及所述目标气象要素的历史数据在所述第一时间段的一维特征向量，确定所述第一时间段的风场输出，所述第一时间段的目标气象要素输出，所述风场历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵，所述目标气象要素的历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵。

[0072] 在一个示例性的实施例中，获取模块52，还用于获取所述风场历史数据在所述每个时间段的一维特征向量，所述目标气象要素的历史数据在所述每个时间段的一维特征向量，所述第一时间段的风场输出，所述第一时间段的目标气象要素输出，所述风场历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵，所述目标气象要素的历史数据在所述第一时间段通过所述时序网络输出的条件特征矩阵；在j大于1的情况下，根据以下公式确定所述每个时间段的风场输出 以及根据以下公式确定所述每个时间段的目标气象要素输出
其中，Tj为第j时间段，Tj‑1为第j‑1时间段，
j为正整数，WDTj为所述风场历史数据在Tj时间段的一维特征向量，WVTj为所述目标气象要素的历史数据在Tj时间段的一维特征向量， 为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出， 为在Tj‑1时间段的风场输出， 为在Tj‑1时间段的
目标气象要素输出， 为所述风场历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所述目标气象要素的历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所述风场历史数据在Tj‑1时间段通过所述时序网络输出的条件特征矩阵， 为所述目标气象要素的历史数据在Tj‑1时间段通过所述时序网络输出的条件特征矩阵。

[0073] 在一个示例性的实施例中，融合模块54，还用于获取所述第一时间段的风场输出和所述第一时间段的目标气象要素输出；根据以下公式确定所述第一融合结果和
其中，σ、tanh和Softmax表示三种不同
的激活函数，CINFT0为正态分布的随机矩阵或零矩阵， 为所述第一时间段的风场输出，为所述第一时间段的目标气象要素输出。

[0074] 在一个示例性的实施例中，预报模块56，还用于获取所述风场历史数据在所述第二时间段通过所述时序网络输出的条件特征矩阵和所述目标气象要素的历史数据在所述第二时间段通过所述时序网络输出的条件特征矩阵；在j＝2的情况下，根据以下公式确定风场预报的结果其
中，W和b表示训练参数，ReLU表示激活函数，α、β、γ为参数，0≤α≤1，0≤β≤1，0≤γ≤1，为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出，CINFTj‑1为Tj‑1时间段的第j‑1融合结果， 为所述风场历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵， 为所述目标气象要素的历史数据在Tj时间段通过所述时序网络输出的条件特征矩阵，j为正整数。

[0076] 在一个示例性的实施例中，获取模块52，还用于将所述风场历史数据和所述目标气象要素的历史数据输入到目标神经网路的嵌入层，输出统一维度的风场历史数据的第一特征矩阵和统一维度的目标气象要素的历史数据的第二特征矩阵；将所述第一特征矩阵和所述第二特征矩阵通过所述目标神经网络的全连接层转化为第一一维特征向量和第二一维特征向量。

[0077] 在一个示例性的实施例中，融合模块54，还用于获取所述第一融合结果，所述第二时间段的风场输出，以及所述第二时间段的目标气象要素输出；在j＝2的情况下，根据以下公式确定所述第二时间段的第二融合结果

[0078] 和其中，σ、tanh和Softmax表示三种不同的激活函数，CINFTj为第j时间段的融合结果，CINFTj‑1为第j‑1时间段的融合结果， 为在Tj时间段的风场输出， 为在Tj时间段的目标气象要素输出。

[0079] 本申请的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

[0080] 可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

[0081] S1，将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，其中，所述目标气象要素包括以下至少之一：温度、湿度、气压、降水量；

[0082] S2，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果；

[0083] S3，根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，其中，所述每个时间段包括：所述第一时间段，所述第二时间段，所述第三时间段；所述第一时间段早于所述第二时间段，且所述第二时间段早于所述第三时间段，所述第一时间段，所述第二时间段和所述第三时间段依次相邻。

[0084] 在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read‑Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

[0085] 本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

[0086] 本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

[0087] 可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

[0088] S1，将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，其中，所述目标气象要素包括以下至少之一：温度、湿度、气压、降水量；

[0089] S2，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果；

[0090] S3，根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，其中，所述每个时间段包括：所述第一时间段，所述第二时间段，所述第三时间段；所述第一时间段早于所述第二时间段，且所述第二时间段早于所述第三时间段，所述第一时间段，所述第二时间段和所述第三时间段依次相邻。

[0091] 在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

[0092] 本申请的实施例还提供了一种计算机程序产品，包括非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储计算机程序产品，所述计算机程序被处理器执行时实现本申请各个实施例中所述方法的步骤。

[0093] 可选的，在本实施例中，上述计算机程序可以被设置为被处理器执行时实现以下步骤：

[0094] S1，将历史时间段内的风场历史数据和所述历史时间段内的目标气象要素的历史数据输入到时序网络中，以获取所述历史时间段内的每个时间段的风场输出和所述每个时间段的目标气象要素输出，其中，所述目标气象要素包括以下至少之一：温度、湿度、气压、降水量；

[0095] S2，将所述历史时间段内的第一时间段的风场输出和所述第一时间段的目标气象要素输出进行融合，以确定所述第一时间段的第一融合结果；

[0096] S3，根据所述历史时间段内的第二时间段的风场输出和所述第二时间段的目标气象要素输出，以及所述第一融合结果进行第三时间段的风场预报，其中，所述每个时间段包括：所述第一时间段，所述第二时间段，所述第三时间段；所述第一时间段早于所述第二时间段，且所述第二时间段早于所述第三时间段，所述第一时间段，所述第二时间段和所述第三时间段依次相邻。

[0097] 本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。

[0098] 显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。

[0099] 以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。