15、基于注意力机制的ConvLSTM网络在野火蔓延预测中的应用及物理启发的水文建模

kubernetes8ctl

于 2025-09-03 12:38:22 发布

阅读量39

点赞数

CC 4.0 BY-SA版权

分类专栏： AI赋能地球科学前沿文章标签：注意力机制 ConvLSTM 野火蔓延预测

本文链接：https://blog.youkuaiyun.com/kubernetes8ctl/article/details/152113350

AI赋能地球科学前沿专栏收录该内容

38 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

基于注意力机制的ConvLSTM网络在野火蔓延预测中的应用及物理启发的水文建模

1. 野火蔓延预测模型的训练与评估

在野火蔓延预测中，我们使用了基于注意力机制的ConvLSTM模型，并与基本的非注意力模型进行了对比。

1.1 模型训练中的损失计算与保存

在模型训练过程中，需要计算不同类型的损失并进行保存。以下是相关代码：

test_loss_fire.append(test_records_fire)
test_records_Nofire = np.mean(test_records_Nofire['loss'])
test_loss_Nofire.append(test_records_Nofire)
test_losses10T.append(test_losses10)
test_fire_losses10T.append(test_fire_losses10)
test_nofire_losses10T.append(test_nofire_losses10)
if min_val_loss > test_records**0.5:
    min_val_loss = test_records**0.5
    print("Saving...")
    torch.save(model.state_dict(), "/home/ConvLSTM.pytorch/Output_ConvLSTM/model_Convlstm.pth")
    counter = 0
else:
    counter += 1
    if counter == patience: