摘要
本发明提供一种基于深度学习的可变网格大气化学资料同化方法及系统，属于人工智能技术领域，包括：获取可变网格中所有初始网格的当前时刻的网格特征信息；将所有当前时刻的网格特征信息输入至当前时刻的同化浓度模型，得到当前时刻的实际同化浓度；其中，当前时刻的同化浓度模型是根据多个训练样本对上一时刻的同化浓度模型训练得到；训练样本包括优化网格的目标时刻的网格特征信息；目标时刻包括当前时刻和历史时刻；优化网格是从多个实际网格中筛选得到，实际网格为当前时刻下包括观测站点的初始网格。本发明通过人工智能模型对可变网格下的观测与模拟信息进行融合训练，从而在可变网格模型下实现对大气污染物浓度的高效且高精度同化推理。
