一种气象预测方法、装置、介质及电子装置

技术领域

本申请属于量子计算技术领域，特别是一种气象预测方法、装置、介质及电子装置。

背景技术

雷达发射脉冲形式的电磁波遇到降水物质时，部分能量会反射回来，形成回波，气象雷达回波图显示了反射电磁波的时间、强度等信息，通过分析历史气象雷达回波图，可以预测未来的气象情况，如降水、风向、风速等。

目前，机器学习方法已广泛应用于气象预测领域，利用循环神经网络、长短期记忆网络、生成对抗网络等经典神经网络模型，能够在一定程度上基于实现气象预测。

然而，在现有的气象预测网络模型中，当前时间节点的预测结果只取决于当前时间节点输入的气象雷达回波图，无法感知较长时间内的气象变化情况，导致模型对运动信息(降水体或云层的演变趋势、运动路径或速度)的表达能力较差，气象预测的准确度较低。

申请内容

本申请的目的是提供一种气象预测方法、装置、介质及电子装置，旨在提高气象预测的准确度。

本申请的一个实施例提供了一种气象预测方法，所述方法包括：

将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，所述量子运动感知网络包括注意力模块和融合模块，所述注意力模块和融合模块中量子变分卷积电路的参数基于所述待预测时间节点前多个时间节点的气象雷达回波图确定；

基于所述待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

可选的，所述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，包括：

对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；

将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态；

对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图。

可选的，所述将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态，包括：

将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，i的初始值为1，第1个时间节点前部分时间节点的时间状态、空间状态为预设值；

令i＝i+1，返回执行步骤所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行；

当i＝I时，终止执行，每一次执行得到的所述第i个时间节点的最终空间状态即为待预测时间节点前多个时间节点的最终空间状态，I为待预测时间节点前时间节点的数量。

可选的，所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，j的初始值为1；

令j＝j+1，返回执行步骤所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行；

执行预设次数后，最后一次执行得到的所述第i个时间节点的第j个空间状态即为第i个时间节点的最终空间状态。

可选的，所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行，得到第i个时间节点的第j个聚合时间状态；

将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态输入至所述融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态。

可选的，所述量子变分卷积电路包括编码电路和变分电路，所述编码电路包括作用于每个量子比特上的第一单量子逻辑门，所述变分电路包括作用于每两个量子比特上的子电路，所述子电路包括作用于每个量子比特上的第二单量子逻辑门、第三单量子逻辑门和作用于两个量子比特上的多量子逻辑门，所述第二单量子逻辑门的参数基于训练确定，所述变分电路用于对量子比特进行变分量子编码。

可选的，所述注意力模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态确定。

可选的，所述融合模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态确定。

可选的，所述第i个时间节点前部分时间节点包括第i-τ至第i-1个时间节点，τ为预设值且1<τ

可选的，所述量子运动感知网络还包括编码器和解码器，所述编码器用于对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；所述解码器用于对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图；所述编码器和解码器均包括所述量子变分卷积电路。

可选的，所述得到第i个时间节点的第j个时间状态、第j个空间状态之后，所述方法还包括：将第i个时间节点的第j个空间状态和第i个时间节点的第j－1个空间状态相加，得到新的所述第i个时间节点的第j个空间状态。

本申请的又一实施例提供了一种气象预测装置，所述装置包括：

运行模块，用于将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，所述量子运动感知网络包括注意力模块和融合模块，所述注意力模块和融合模块中量子变分卷积电路的参数基于所述待预测时间节点前多个时间节点的气象雷达回波图确定；

确定模块，用于基于所述待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。

本申请的又一实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。

本申请提供了一种量子运动感知网络，利用量子运动感知网络中的注意力模块处理空间状态和时间状态，得到聚合时间状态，并利用融合模块进一步处理空间状态和聚合时间状态，使得量子运动感知网络能够有效地表达较长时间内的运动信息；同时，本申请基于变分量子算法构建量子变分卷积电路中的含参量子逻辑门，得益于量子态的量子叠加和量子纠缠特性，相比于传统计算方法，能够提供更强大的计算能力，并可以通过迭代更新含参量子逻辑门的参数，从而对运动信息进行精确的建模；与现有的气象预测网络相比，本申请实施例提供的气象预测方法极大地提高了气象预测的准确度。

附图说明

图1为本申请实施例提供的一种气象预测方法的计算机终端的硬件结构框图；

图2为本申请实施例提供的一种气象预测方法的流程示意图；

图3为本申请实施例提供的一种量子变分卷积电路的示例性示意图；

图4为本申请实施例提供的一种变分电路的示例性示意图；

图5为本申请实施例提供的另一种气象预测方法的流程示意图；

图6为本申请实施例提供的一种气象预测装置的结构示意图；

具体实施方式

下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

图1是本申请实施例提供的一种气象预测系统的网络框图。气象预测系统可以包括网络110、服务器120、无线设备130、客户机140、存储150、经典计算单元160、量子计算单元170，还可以包括未示出的附加存储器、经典处理器、量子处理器和其它设备。

网络110是用于为气象预测系统内连接在一起的各种设备和计算机之间提供通信链路的介质，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，连接方式可以采用有线、无线通信链路或光纤电缆等。

服务器120、无线设备130和客户机140是常规的数据处理系统，可包含数据和具有执行常规计算过程的应用程序或软件工具。客户机140可以是个人计算机或网络计算机，故数据也可以是服务器120提供的。无线设备130可以是智能手机、平板、笔记本电脑、智能可穿戴设备等。存储单元150可以包括数据库151，其可以被配置为存储量子比特参数、量子逻辑门参数、量子电路、量子程序等数据。

经典计算单元160(量子计算单元170)可以包括用于处理经典数据(量子数据)的经典处理器161(量子处理器171)和用于存储经典数据(量子数据)的存储器162(存储器172)，经典数据(量子数据)可以是引导文件、操作系统镜像、以及应用程序163(应用程序173)，应用程序163(应用程序173)可以用于实现根据本申请实施例提供的气象预测方法编译的量子算法。

经典计算单元160(量子计算单元170)中存储或产生的任何数据或信息也可以被配置成以类似的方式在另一个经典(量子)处理系统中存储或产生，同样其执行的任何应用程序也可以被配置成以类似的方式在另一个经典(量子)处理系统中执行。

需要说明的是，真正的量子计算机是混合结构的，它至少包括图1中的两大部分：经典计算单元160，负责执行经典计算与控制；量子计算单元170，负责运行量子程序进而实现量子计算。

上述经典计算单元160和量子计算单元170可以是集成在一台设备中，也可以是分布在两台不同的设备之中。例如包括经典计算单元160的第一设备运行经典计算机操作系统，其上提供了量子应用程序开发工具和服务，以及还提供了量子应用程序所需的存储和网络服务。用户通过其上的量子应用程序开发工具和服务开发量子程序，以及通过其上的网络服务将量子程序发送至包括量子计算单元170的第二设备。第二设备运行量子计算机操作系统，通过量子计算机操作系统对该量子程序的代码进行解析编译成量子处理器170可以识别和执行的指令，量子处理器170根据该指令实现量子程序对应的量子算法。

经典计算单元160中的经典处理器161的计算单元是基于硅芯片的CMOS管，这种计算单元不受时间和相干性的限制，即，这种计算单元是不受使用时长限制，随时可用。此外，在硅芯片中，这种计算单元的数量也是充足的，目前一个经典处理器161中的计算单元的数量是成千上万的，计算单元数量的充足且CMOS管可选择的计算逻辑是固定的，例如：与逻辑。借助CMOS管运算时，通过大量的CMOS管结合有限的逻辑功能，以实现运算效果。

量子计算单元170中量子处理器171的基本计算单元是量子比特，量子比特的输入受相干性的限制，也受相干时间的限制，即，量子比特是受使用时长限制的，并不是随时可用的。在量子比特的可用使用时长内充分使用量子比特是量子计算的关键性难题。此外，量子计算机中量子比特的数量是量子计算机性能的代表指标之一，每个量子比特通过按需配置的逻辑功能实现计算功能，鉴于量子比特数量受限，而量子计算领域的逻辑功能是多样化的，例如：哈德玛门(Hadamard门，H门)、泡利－X门(X门)、泡利－Y门(Y门)泡利－Z门(Z门)、X门、RY门、RZ门、CNOT门、CR门、iSWAP门、Toffoli门等等。量子计算时，需借助有限的量子比特结合多样的逻辑功能组合实现运算效果。

基于这些不同，经典逻辑功能作用在CMOS管的设计和量子逻辑功能作用在量子比特的设计是显著和本质不同的；经典逻辑功能作用在CMOS管的设计是不需要考虑CMOS管的个体性，如CMOS管在硅芯片中的表示是第几个CMOS管的个体标识、位置、每个CMOS管的可使用时长，故而经典逻辑功能组成的经典算法只表达算法的运算关系，不表达算法对CMOS管个体的依赖。

而量子逻辑功能作用在量子比特需要考虑量子比特的个体性，如量子比特在量子芯片中是第几个量子比特的个体标识、位置以及和周围量子比特的关系、以及每个量子比特可使用时长。故而量子逻辑功能组成的量子算法不仅表达算法的运算关系，更表达算法对量子比特个体的依赖。

示例性的：

量子算法一：H1、H2、CNOT(1，3)、H3、CNOT(2，3)；

量子算法二：H1、H2、CNOT(1，2)、H3、CNOT(2，3)；

其中，1/2/3分别表示三个依次相连的量子比特Q1、Q2、Q3或者相互连接的量子比特Q1、Q2、Q3；

量子算法受量子比特相干时间影响的示例性解释如下：

定义一个单量子比特逻辑门执行时长为t，1个作用在相邻比特上的两单量子比特逻辑门执行时间为2t；则：

当Q1、Q2、Q3三者彼此相互连接时，量子算法一的计算需要6t，分4个时间段进行，每个时间段需要的时长分别为t，2t，t，2t，每个时间段内执行的运算为：H1、H2；CNOT(1，3)；H3；CNOT(2，3)；

量子算法一的计算需要5t，分3个时间段进行，每个时间段需要的时长分别为t，2t，2t，每个时间段内执行的运算为：H1、H2、H3；CNOT(1，2)；CNOT(2，3)；

当Q1、Q2、Q3三者依次连接时，量子算法一需要等效为：H1、H2；swap(1，2)、CNOT(2，3)、swap(1，2)；H3；CNOT(2，3)；等效后的量子算法一的计算需要10t，分4个时间段，每个时间段需要的时长分别为t，6t，t，2t。每个时间段内执行的运算为：H1、H2；swap(1，2)、CNOT(2，3)、swap(1，2)；H3；CNOT(2，3)。

所以，量子逻辑功能作用在量子比特的设计(包括量子比特使用与否的设计以及每个量子比特使用效率的设计)是提升量子计算机的运算性能的关键，且需要进行特殊的设计，这也是基于量子逻辑功能实现的量子算法的独特性，是和基于经典逻辑功能实现的经典算法的本质和显著不同。而上述针对量子比特的设计是普通计算设备所不需要考虑的、也不需要面对的技术问题。基于此，针对如何在量子计算中实现气象预测，本申请提出了一种气象预测方法及相关装置，旨在提高气象预测的准确度。

参见图2，图2为本申请实施例提供的一种气象预测方法的流程示意图，可以包括如下步骤：

S201，将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，所述量子运动感知网络包括注意力模块和融合模块，所述注意力模块和融合模块中量子变分卷积电路的参数基于所述待预测时间节点前多个时间节点的气象雷达回波图确定；

气象雷达回波图是一种显示雷达探测到的物体反射回来的电磁波的图像。雷达发射脉冲形式的电磁波，当电磁波脉冲遇到降水物质(雨滴、雪花和冰雹等)时，大部分能量会继续前进，而一小部分能量会被反射回来，这些反射回来的电磁波就是回波。把这些电波转换成信号在雷达显示屏上显示出图像，这种图称气象雷达回波图。气象雷达回波图中显示了雷达探测到的物体反射回来的电磁波的时间、强度、方位角等信息，基于气象雷达回波图，可以得到与气象雷达回波图对应的天气情况，如降水、风向、风速等。

变分量子电路是指由含参量子逻辑门组成的量子电路，当解决问题时，用变分量子电路表示问题的解空间，问题的变量则由量子逻辑门的参数表示，通过调节这些量子逻辑门的参数，构建出一个高度可调节的量子电路，使得该电路可以对输入数据进行不同方式的变换，从而可以应对各种不同的问题。并且，不同于传统的量子电路，变分量子电路通过变分优化算法来寻找能够最小化问题损失的最优参数，从而获得问题的近似解，大大提高了计算效率。

量子变分卷积电路则是用于进行卷积操作的变分量子电路。

所述运动感知网络、注意力模块和融合模块，以及量子变分卷积电路的结构和参数将在下文中进行说明。

在本申请的一个实施例中，将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络之前，需要对待预测时间节点前多个时间节点的气象雷达基数据进行预处理，从而得到待预测时间节点前多个时间节点的气象雷达回波图。

气象雷达基数据是指从气象雷达设备中获取的数据，气象雷达基数据中包含有回波范围、强度及变化趋势等重要信息，可以从当各地的气象局等机构获取。可以采用多种方式对气象雷达基数据进行预处理，从而得到气象雷达回波图，例如，可以对气象雷达基数据进行质量控制，并插值到笛卡尔坐标，绘出电磁波传播的高度修正图，封装为python气象，实例化该类后通过调用定义好的属性和方法得到基数据存储的信息，最后进行标准网格化，得到气象雷达回波图。

需要特别说明的是，本申请对气象雷达基数据的预处理方法不作限制，应当根据实际情况进行设置，本申请实施例提供的上述方法仅为一种优选。

S202，基于所述待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

从待预测时间节点的气象雷达回波图中，可以提取出有用的信息，从而确定待预测时间节点的气象预测结果。例如，当预测降水情况时，从蓝色到紫色的渐进变化，代表回波强度由小到大，降雨强度也逐渐提升。一般而言，蓝色回波对应的区域表示当地将被降水云系笼罩，但不会降雨；绿色回波覆盖的区域代表当地可能下小雨；黄色到红色回波覆盖的区域可能有中到大雨；而紫色回波对应区域降水强度最大，该地区可能有暴雨或大暴雨，并有可能伴随雷电大风甚至冰雹等剧烈天气。

本申请对基于待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果的方法不作限制，应当根据实际情况进行选取。

在本申请的一个实施例中，所述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，包括：

对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；

将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态；

对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图。

特征提取是指从原始数据中选择和提取出最具有判别性和信息量的特征，用于描述和表示数据的过程。特征提取的目标是通过减少数据的维度和保留关键信息，从而简化和改进后续的数据分析和模型构建过程。

解码是指将模型的输出转化为可理解的结果或者推断出原始输入的过程。

时间状态(temporal state)包括细胞状态。细胞状态(cell state)是循环网络(RNN)、长短时记忆(LSTM)网络、时空长短时记忆(ST－LSTM)网络、量子运动感知网络等神经网络中的一种用于存储和传递信息的内部状态，它是量子运动感知网络的关键组成部分，用于解决长期依赖性问题和控制信息的流动。细胞状态在每个时间节点被更新，并且循环地传递到下一个时间节点。细胞状态的定义和更新过程使得LSTM网络能够更有效地捕捉和记忆长期依赖关系。

注意力权重是指在某个任务中，用于衡量不同输入信息对于任务结果的重要程度的权值。在机器学习和深度学习中，注意力机制被广泛应用于处理序列数据或图像数据，以提高模型的性能和准确度。通过使用注意力权重，模型可以在处理输入数据时有选择地关注重要的信息，从而提高模型的性能和效果。

聚合时间状态是指对多个连续的时间状态进行合并或汇总得到的一个整体的时间状态表示。在序列模型(如量子运动感知网络)中，每个时间节点或每个位置都会生成一个若干个数据，将这些数据表示合并成一个全局表示后，可以更好地捕捉一段时间内整体的时序信息。对时间状态进行合并或汇总的方法可以有多种，常见的包括求和、平均、最大值、加权平均等。具体的合并或汇总方式取决于任务和模型的需求。

在本申请的一个实施例中，所述将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态，包括：

将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，i的初始值为1，第1个时间节点前部分时间节点的时间状态、空间状态为预设值；

令i＝i+1，返回执行步骤所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行；

当i＝I时，终止执行，每一次执行得到的所述第i个时间节点的最终空间状态即为待预测时间节点前多个时间节点的最终空间状态，I为待预测时间节点前时间节点的数量。

空间状态(spatial state)包括细胞状态和隐藏状态。隐藏状态(hiddenstate)是循环网络(RNN)、长短时记忆(LSTM)网络、时空长短时记忆(ST－LSTM)网络、量子运动感知网络等神经网络在处理序列数据时，对过去信息的一种编码表示，它包含了模型对过去输入数据的记忆和处理结果的总结。

需要特别说明的是，本申请实施例中，时间状态包括的细胞状态和空间状态包括的细胞状态属于不同的记忆流，本申请所称“时间状态”和“空间状态”可参考时空长短时记忆(ST－LSTM)网络中对相关记忆的说明。

在本申请的一个实施例中，所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，j的初始值为1；

令j＝j+1，返回执行步骤所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行；

执行预设次数后，最后一次执行得到的所述第i个时间节点的第j个空间状态即为第i个时间节点的最终空间状态。

在本申请的一个实施例中，所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行，得到第i个时间节点的第j个聚合时间状态；

将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态输入至所述融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态。

在本申请的一个实施例中，所述第i个时间节点前部分时间节点包括第i-τ至第i-1个时间节点，τ为预设值且1<τ

下面对将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图的具体方法进行举例说明。

在该实施例中，待预测时间节点前共包括4个时间节点的气象雷达回波图，τ的取值为2。

对待预测时间节点第1—4个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前第1—4个时间节点的第0个空间状态；

将第0个时间节点的第1个时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态输入至注意力模块并运行，得到第1个时间节点的第1个聚合时间状态，第0个时间节点的第1个时间状态、第0个时间节点的第0个空间状态为预设值；

将第1个时间节点的第1个聚合时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态输入至融合模块并运行，得到第1个时间节点的第1个时间状态和第1个时间节点的第1个空间状态；

将第0个时间节点的第2个时间状态、第0个时间节点的第1个空间状态、第1个时间节点的第1个空间状态输入至注意力模块并运行，得到第1个时间节点的第2个聚合时间状态，第0个时间节点的第2个时间状态、第0个时间节点的第1个空间状态为预设值；

将第1个时间节点的第2个聚合时间状态、第0个时间节点的第1个空间状态、第1个时间节点的第1个空间状态输入至融合模块并运行，得到第1个时间节点的第2个时间状态和第1个时间节点的第2个空间状态；

将第0个时间节点的第3个时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态输入至注意力模块并运行，得到第1个时间节点的第3个聚合时间状态，第0个时间节点的第3个时间状态、第0个时间节点的第2个空间状态为预设值；

将第1个时间节点的第3个聚合时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态输入至融合模块并运行，得到第1个时间节点的第3个时间状态和第1个时间节点的第3个空间状态；

将第0个时间节点的第1个时间状态、第1个时间节点的第1个时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态输入至注意力模块并运行，得到第2个时间节点的第1个聚合时间状态；

将第2个时间节点的第1个聚合时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态输入至融合模块并运行，得到第2个时间节点的第1个时间状态和第2个时间节点的第1个空间状态；

将第0个时间节点的第2个时间状态、第1个时间节点的第2个时间状态、第0个时间节点的第1个空间状态、第1个时间节点的第1个空间状态、第2个时间节点的第1个空间状态输入至注意力模块并运行，得到第2个时间节点的第2个聚合时间状态；

将第2个时间节点的第2个聚合时间状态、第0个时间节点的第1个空间状态、第1个时间节点的第1个空间状态、第2个时间节点的第1个空间状态输入至融合模块并运行，得到第2个时间节点的第2个时间状态和第2个时间节点的第2个空间状态；

将第0个时间节点的第3个时间状态、第1个时间节点的第3个时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态、第2个时间节点的第2个空间状态输入至注意力模块并运行，得到第2个时间节点的第3个聚合时间状态；

将第2个时间节点的第3个聚合时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态、第2个时间节点的第2个空间状态输入至融合模块并运行，得到第2个时间节点的第3个时间状态和第2个时间节点的第3个空间状态；

将第0个时间节点的第3个时间状态、第1个时间节点的第3个时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态、第2个时间节点的第2个空间状态输入至注意力模块并运行，得到第2个时间节点的第3个聚合时间状态；

将第2个时间节点的第3个聚合时间状态、第0个时间节点的第2个空间状态、第1个时间节点的第2个空间状态、第2个时间节点的第2个空间状态输入至融合模块并运行，得到第2个时间节点的第3个时间状态和第2个时间节点的第3个空间状态；

将第1个时间节点的第1个时间状态、第2个时间节点的第1个时间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态、第3个时间节点的第0个空间状态输入至注意力模块并运行，得到第3个时间节点的第1个聚合时间状态；

将第3个时间节点的第1个聚合时间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态、第3个时间节点的第0个空间状态输入至融合模块并运行，得到第3个时间节点的第1个时间状态和第3个时间节点的第1个空间状态；

将第1个时间节点的第2个时间状态、第2个时间节点的第2个时间状态、第1个时间节点的第1个空间状态、第2个时间节点的第1个空间状态、第3个时间节点的第1个空间状态输入至注意力模块并运行，得到第3个时间节点的第2个聚合时间状态；

将第3个时间节点的第2个聚合时间状态、第1个时间节点的第1个空间状态、第2个时间节点的第1个空间状态、第3个时间节点的第1个空间状态输入至融合模块并运行，得到第3个时间节点的第3个时间状态和第2个时间节点的第2个空间状态；

将第1个时间节点的第3个时间状态、第2个时间节点的第3个时间状态、第1个时间节点的第2个空间状态、第2个时间节点的2个空间状态、第3个时间节点的第2个空间状态输入至注意力模块并运行，得到第3个时间节点的第3个聚合时间状态；

将第3个时间节点的第3个聚合时间状态、第1个时间节点的第2个空间状态、第2个时间节点的2个空间状态、第3个时间节点的第2个空间状态输入至融合模块并运行，得到第3个时间节点的第3个时间状态和第3个时间节点的第3个空间状态；

将第2个时间节点的第1个时间状态、第3个时间节点的第1个时间状态、第2个时间节点的第0个空间状态、第3个时间节点的第0个空间状态、第4个时间节点的第0个空间状态输入至注意力模块并运行，得到第4个时间节点的第1个聚合时间状态；

将第4个时间节点的第1个聚合时间状态、第2个时间节点的第0个空间状态、第3个时间节点的第0个空间状态、第4个时间节点的第0个空间状态输入至融合模块并运行，得到第4个时间节点的第1个时间状态和第4个时间节点的第1个空间状态；

将第2个时间节点的第2个时间状态、第3个时间节点的第2个时间状态、第2个时间节点的第1个空间状态、第3个时间节点的第1个空间状态、第4个时间节点的第1个空间状态输入至注意力模块并运行，得到第4个时间节点的第2个聚合时间状态；

将第4个时间节点的第2个聚合时间状态、第2个时间节点的第1个空间状态、第3个时间节点的第1个空间状态、第4个时间节点的第1个空间状态输入至融合模块并运行，得到第4个时间节点的第2个时间状态和第4个时间节点的第2个空间状态；

将第2个时间节点的第3个时间状态、第3个时间节点的第3个时间状态、第2个时间节点的第2个空间状态、第3个时间节点的第2个空间状态、第4个时间节点的第2个空间状态输入至注意力模块并运行，得到第4个时间节点的第3个聚合时间状态；

将第4个时间节点的第3个聚合时间状态、第2个时间节点的第2个空间状态、第3个时间节点的第2个空间状态、第4个时间节点的第2个空间状态输入至融合模块并运行，得到第4个时间节点的第3个时间状态和第4个时间节点的第3个空间状态；

对第1个时间节点的第3个空间状态、第2个时间节点的第3个空间状态、第3个时间节点的第3个空间状态、第4个时间节点的第3个空间状态进行解码，得到待预测时间节点的气象雷达回波图。

在本申请的一个实施例中，所述量子变分卷积电路包括编码电路和变分电路，所述编码电路包括作用于每个量子比特上的第一单量子逻辑门，所述变分电路包括作用于每两个量子比特上的子电路，所述子电路包括作用于每个量子比特上的第二单量子逻辑门、第三单量子逻辑门和作用于两个量子比特上的多量子逻辑门，所述第二单量子逻辑门的参数基于训练确定，所述变分电路用于对量子比特进行变分量子编码。

单量子逻辑门是量子电路中用于操作单个量子比特的量子逻辑门，包括Hadamard门、相位门、单量子旋转门等，单量子逻辑门可以用于实现单个量子比特的状态变换，实现量子计算中的基本运算和算法。

多量子逻辑门是量子电路中用于操作多个量子比特的量子逻辑门，包括CRX、CRY、CRZ、CNOT门、SWAP门、Toffoli门等，多量子逻辑门不仅能用于实现单个量子比特的状态变换，还能用于实现多个量子比特之间的控制和相互作用。

所述变分量子编码是指利用变分量子电路对加载后的量子比特进行量子态编码。所述变分量子电路已在上文中进行说明，此处不再赘述。

在本申请的一个实施例中，所述注意力模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态确定。

在本申请的一个实施例中，所述融合模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态确定。

参见图3，图3为本申请提供的一种量子变分卷积电路的示例性示意图。图3所示的量子变分卷积电路包括4个量子比特，并包括依次作用于4个量子比特上的编码电路、变分电路U(β)、测量层。测量层用于对量子比特进行测量，得到量子比特的量子态。

其中，编码电路包括：

作用于第1个量子比特上的第一单量子逻辑门RY(θ

注意力模块包括的编码电路中，第一单量子逻辑门RY(θ

融合模块包括的编码电路中，第一单量子逻辑门RY(θ

以本申请提供的上述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图的具体方法为例，将第0个时间节点的第1个时间状态、第1个时间节点的第1个时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态输入至注意力模块，得到第2个时间节点的第1个聚合时间状态时，注意力模块包括的量子变分卷积电路中，第一单量子逻辑门RY(θ

参数θ

将第2个时间节点的第1个聚合时间状态、第0个时间节点的第0个空间状态、第1个时间节点的第0个空间状态、第2个时间节点的第0个空间状态输入至融合模块并运行，得到第2个时间节点的第1个时间状态和第2个时间节点的第1个空间状态时，以上参数均基于第2个时间节点的第1个聚合时间状态的一部分像素点、第0个时间节点的第0个空间状态的一部分像素点、第1个时间节点的第0个空间状态的一部分像素点、第2个时间节点的第0个空间状态的一部分像素点的一部分像素点确定。

参数θ

需要特别说明的是，本申请提供的注意力模块、融合模块可以均包括多个所述量子变分卷积电路，本申请提供的一种量子变分卷积电路的示例性示意图也仅是对时间状态、空间状态、聚合时间状态的一部分像素点进行卷积。实际应用中，应当按照需求选取合适数量的量子变分卷积电路，分别用于对时间状态、空间状态、聚合时间状态的一部分像素点进行卷积，从而完成对时间状态、空间状态、聚合时间状态中所有像素点的卷积。

参见图4，图4为本申请实施例提供的一种变分电路的示例性示意图。图4所示的一种变分电路包括作用于第一个量子比特和第二个量子比特上的第一子电路、作用于第三个量子比特和第四个量子比特上的第二子电路、作用于第二个量子比特和第三个量子比特上的第三子电路、作用于第一个量子比特和第四个量子比特上的第四子电路。

第一子电路包括：作用于第一个量子比特上的第二单量子逻辑门RZ(π/2)，作用于第二个量子比特上的第二单量子逻辑门RZ(-π/2)，作用于第一个量子比特上的第三单量子逻辑门RZ(β

第二子电路包括：作用于第三个量子比特上的第二单量子逻辑门RZ(π/2)，作用于第四个量子比特上的第二单量子逻辑门RZ(-π/2)，作用于第三个量子比特上的第三单量子逻辑门RZ(β

第三子电路包括：作用于第二个量子比特上的第二单量子逻辑门RZ(π/2)，作用于第三个量子比特上的第二单量子逻辑门RZ(-π/2)，作用于第二个量子比特上的第三单量子逻辑门RZ(β

第四子电路包括：作用于第四个量子比特上的第二单量子逻辑门RZ(π/2)，作用于第一个量子比特上的第二单量子逻辑门RZ(-π/2)，作用于第四个量子比特上的第三单量子逻辑门RZ(β

本申请提供的一种量子变分卷积电路包括具有可变参数的逻辑门，通过调整电路中的参数，能够最小化预测误差，从而最大程度地优化模型的性能；变分电路包括作用于每两个量子比特上的子电路，每个子电路则包括作用于每个量子比特上的单量子逻辑门和作用于两个量子比特上的多量子逻辑门，这样的电路结构可以在量子比特之间建立纠缠关系，使得每两个量子比特之间均能建立纠缠，增强量子比特之间的相互作用，从而更好地捕捉到不同气象变量之间存在的相互影响和耦合关系；单量子逻辑门作用于每个量子比特上，能够避免复杂电路中噪声的不利影响，从而提高量子输入特征映射的质量。基于以上多种原因，本申请实施例提供的一种量子变分卷积电路大大地提高了气象预测的准确度。

在本申请的一个实施例中，所述量子运动感知网络还包括编码器和解码器，所述编码器用于对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；所述解码器用于对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图；所述编码器和解码器均包括所述量子变分卷积电路。

编码器和解码器是量子运动感知网络中的两个组件，编码器是对输入序列进行特征提取，将其转换为待预测时间节点前多个时间节点的第0个空间状态，而解码器是将模型输出解码为隐藏状态，用于作为解码器下一轮的输入。

在本申请的一个实施例中，所述对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态，包括：

将待预测时间节点前第i个时间节点的气象雷达回波图输入至所述编码器并运行，得到第i个时间节点的第0个空间状态；

令i＝i+1，返回执行步骤所述将待预测时间节点前第i个时间节点的气象雷达回波图输入至所述编码器并运行；

当i＝I时，终止执行，每一次执行得到的所述第i个时间节点的第0个空间状态即为所述待预测时间节点前多个时间节点的第0个空间状态。

在本申请的一个实施例中，所述对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图，包括：

将第i个时间节点的最终空间状态和对应的隐藏状态输入至所述解码器并运行，得到第i+1个时间节点的隐藏状态，第1个时间节点的隐藏状态为预设值；

令i＝i+1，返回执行步骤所述将第i个时间节点的最终空间状态和对应的隐藏状态输入至所述解码器并运行；

当i＝I时，终止执行，每一次执行得到的所述第i+1个时间节点的隐藏状态即为待预测时间节点的气象雷达回波图。

以本申请提供的上述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图的具体方法为例，对待预测时间节点前第2个时间节点的气象雷达回波图进行特征提取，得到第2个时间节点的第0个空间状态时，可以将待预测时间节点前第2个时间节点的气象雷达回波图输入至编码器并运行，得到编码器输出的第2个时间节点的第0个空间状态；

对第1个时间节点的第3个空间状态、第2个时间节点的第3个空间状态、第3个时间节点的第3个空间状态、第4个时间节点的第3个空间状态进行解码，得到待预测时间节点的气象雷达回波图，可以包括：将第1个时间节点的第3个空间状态和隐藏状态输入至解码器并运行，得到第2个时间节点的隐藏状态；将第2个时间节点的第3个空间状态和隐藏状态输入至解码器并运行，得到第3个时间节点的隐藏状态；将第3个时间节点的第3个空间状态和隐藏状态输入至解码器并运行，得到第4个时间节点的隐藏状态；将第4个时间节点的第3个空间状态和隐藏状态输入至解码器并运行，得到第5个时间节点的隐藏状态。

第1个时间节点的隐藏状态即为第1个待预测时间节点的气象雷达回波图，第2个时间节点的隐藏状态即为第2个待预测时间节点的气象雷达回波图，第3个时间节点的隐藏状态即为第3个待预测时间节点的气象雷达回波图，第4个时间节点的隐藏状态即为第4个待预测时间节点的气象雷达回波图。

在本申请的一个实施例中，所述编码器包括的所述量子变分卷积电路中，编码层用于将所述第i个时间节点的气象雷达回波图加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的气象雷达回波图确定；所述解码器包括的所述量子变分卷积电路中，编码层用于将所述第i个时间节点的最终空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的最终空间状态确定。

参见图3，以本申请提供的上述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图的具体方法为例，对待预测时间节点前第2个时间节点的气象雷达回波图进行特征提取，得到第2个时间节点的第0个空间状态时，编码器包括的量子变分卷积电路中，编码层用于将第2个时间节点的第0个空间状态时加载至量子比特，第一单量子逻辑门RY(θ

参数θ

将第1个时间节点的第3个空间状态和隐藏状态输入至解码器并运行，得到第2个时间节点的隐藏状态时，解码器包括的量子变分卷积电路中，编码层用于将第1个时间节点的第3个空间状态和隐藏状态加载至量子比特，第一单量子逻辑门RY(θ

参数θ

编码器、解码器包括的量子变分卷积电路中，变分电路的结构与注意力模块、融合模块包括的变分电路相同，具体可参考图4所示的一种变分电路，此处不再赘述。

需要特别说明的是，本申请提供的编码器、解码器可以均包括多个所述量子变分卷积电路，本申请提供的一种量子变分卷积电路的示例性示意图也仅是对气象雷达回波图、最终空间状态、隐藏状态的一部分像素点进行卷积。实际应用中，应当按照需求选取合适数量的量子变分卷积电路，分别用于气象雷达回波图、最终空间状态、隐藏状态的一部分像素点进行卷积，从而完成气象雷达回波图、最终空间状态、隐藏状态中所有像素点的卷积。

本申请实施例提供的编码器可以将原始的气象数据转化为具有更高层次的表示形式。在气象预测中，气象数据往往是庞大且复杂的，包含了大量的变量和信息。编码器可以通过一系列的转换和压缩操作，将原始数据转化为更紧凑和有意义的特征表示。这样可以减少数据的冗余性和噪声，提取出更重要的特征，从而更好地捕捉和理解气象系统中的关键信息。本申请实施例提供的解码器可以根据融合模块输出的最终空间状态，解码出待预测时间节点的气象雷达回波图，保留重要的信息，降低数据的冗余性和噪声。基于以上多种原因，本申请实施例提供的编码器和解码器大大地提高了气象预测的准确度。

在本申请的一个实施例中，所述得到第i个时间节点的第j个时间状态、第j个空间状态之后，所述方法还包括：将第i个时间节点的第j个空间状态和第i个时间节点的第j－1个空间状态相加，得到新的所述第i个时间节点的第j个空间状态。

以本申请提供的上述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图的具体方法为例，得到第1个时间节点的第3个时间状态和第1个时间节点的第3个空间状态之后，还可以将第1个时间节点的第3个空间状态和第1个时间节点的第2个空间状态相加，得到新的第1个时间节点的第3个空间状态。

通过将当前时间节点的空间状态与前一个时间节点的空间状态相加，可以获得一个新的当前时间节点的空间状态。这个新的当前时间节点的空间状态包含了过去时间节点的信息，可以帮助模型更好地捕捉气象数据中的动态变化和趋势。在气象预测中，气象数据的时间序列具有一定的相关性和连续性，将当前时间节点的空间状态与前一个时间节点的空间状态相加，可以融合当前时间节点的空间状态与前一个时间节点的空间状态，大大地提高了气象预测的准确度。

参见图5，图5为本申请实施例提供的另一种气象预测方法的流程示意图，下面以图5为例，对本申请实施例提供的另一种气象预测方法的流程进行描述：

将待预测时间节点前多个时间节点的气象雷达回波图分别输入至编码器并运行，得到待预测时间节点前多个时间节点的第0个空间状态；

将待预测时间节点前第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行，得到第i个时间节点的第j个聚合时间状态，i＝1，2，...，I，I为待预测时间节点前时间节点的数量，第1个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态为预设值，j的初始值为1；

令j＝j+1，返回执行步骤所述“将待预测时间节点前第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行，得到第i个时间节点的第j个聚合时间状态”；

执行预设次数后，最后一次执行得到的所述第i个时间节点的第j个空间状态即为第i个时间节点的最终空间状态；

令i＝i+1，返回执行步骤所述“将待预测时间节点前第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行……最后一次执行得到的所述第i个时间节点的第j个空间状态即为第i个时间节点的最终空间状态”，直至i＝I时，停止执行此步骤；

将每一个时间节点的最终空间状态和隐藏状态按照时间顺序依次输入至解码器并运行，得到每一次执行对应的时间节点的下一时间节点的隐藏状态，执行I次所述“将每一个时间节点的最终空间状态和隐藏状态按照时间顺序依次输入至解码器并运行，得到每一次执行对应的时间节点的下一时间节点的隐藏状态”；

每一次执行对应的时间节点的下一时间节点的隐藏状态即为待预测时间节点的气象雷达回波图；

基于待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

参见图6，图6为本申请实施例提供的一种气象预测装置的结构示意图，与图6所示的流程相对应，所述装置包括：

运行模块601，用于将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，所述量子运动感知网络包括注意力模块和融合模块，所述注意力模块和融合模块中量子变分卷积电路的参数基于所述待预测时间节点前多个时间节点的气象雷达回波图确定；

确定模块602，用于基于所述待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

可选的，所述将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，包括：

对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；

将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态；

对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图。

可选的，所述将待预测时间节点前多个时间节点的第0个空间状态输入至所述注意力模块和融合模块并运行，得到待预测时间节点前多个时间节点的最终空间状态，包括：

将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，i的初始值为1，第1个时间节点前部分时间节点的时间状态、空间状态为预设值；

令i＝i+1，返回执行步骤所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行；

当i＝I时，终止执行，每一次执行得到的所述第i个时间节点的最终空间状态即为待预测时间节点前多个时间节点的最终空间状态，I为待预测时间节点前时间节点的数量。

可选的，所述将第i个时间节点的第0个空间状态和第i个时间节点前部分时间节点的时间状态、空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的最终空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，j的初始值为1;

令j＝j+1，返回执行步骤所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行；

执行预设次数后，最后一次执行得到的所述第i个时间节点的第j个空间状态即为第i个时间节点的最终空间状态。

可选的，所述将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块和融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态，包括：

将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态输入至所述注意力模块并运行，得到第i个时间节点的第j个聚合时间状态；

将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态输入至所述融合模块并运行，得到第i个时间节点的第j个时间状态、第j个空间状态。

可选的，所述量子变分卷积电路包括编码电路和变分电路，所述编码电路包括作用于每个量子比特上的第一单量子逻辑门，所述变分电路包括作用于每两个量子比特上的子电路，所述子电路包括作用于每个量子比特上的第二单量子逻辑门、第三单量子逻辑门和作用于两个量子比特上的多量子逻辑门，所述第二单量子逻辑门的参数基于训练确定，所述变分电路用于对量子比特进行变分量子编码。

可选的，所述注意力模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j－1个空间状态和第i个时间节点前部分时间节点的第j个时间状态、第j－1个空间状态确定。

可选的，所述融合模块包括的量子变分卷积电路中，编码层用于将第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态加载至量子比特，所述第一单量子逻辑门的参数基于第i个时间节点的第j个聚合时间状态、第j－1个空间状态和第i个时间节点前部分时间节点的第j－1个空间状态确定。

可选的，所述第i个时间节点前部分时间节点包括第i-τ至第i-1个时间节点，τ为预设值且1<τ

可选的，所述量子运动感知网络还包括编码器和解码器，所述编码器用于对待预测时间节点前多个时间节点的气象雷达回波图进行特征提取，得到待预测时间节点前多个时间节点的第0个空间状态；所述解码器用于对待预测时间节点前多个时间节点的最终空间状态进行解码，得到待预测时间节点的气象雷达回波图；所述编码器和解码器均包括所述量子变分卷积电路。

可选的，所述得到第i个时间节点的第j个时间状态、第j个空间状态之后，所述方法还包括：将第i个时间节点的第j个空间状态和第i个时间节点的第j－1个空间状态相加，得到新的所述第i个时间节点的第j个空间状态。

本申请实施例还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述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。

具体的，在本实施例中，上述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。

本申请的再一实施例还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中方法实施例中的步骤。

具体的，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。

具体的，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：

S1，将待预测时间节点前多个时间节点的气象雷达回波图输入至量子运动感知网络，并运行所述量子运动感知网络，得到待预测时间节点的气象雷达回波图，所述量子运动感知网络包括注意力模块和融合模块，所述注意力模块和融合模块中量子变分卷积电路的参数基于所述待预测时间节点前多个时间节点的气象雷达回波图确定；

S2，基于所述待预测时间节点的气象雷达回波图确定待预测时间节点的气象预测结果。

具体的，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

以上依据图式所示的实施例详细说明了本申请的构造、特征及作用效果，以上所述仅为本申请的较佳实施例，但本申请不以图面所示限定实施范围，凡是依照本申请的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本申请的保护范围内。