买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京信息科技大学申请的专利一种基于AWPSO-CNN和HY-2C微波散射计海面风场反演方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115616579B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211013524.5，技术领域涉及：G01S13/95；该发明授权一种基于AWPSO-CNN和HY-2C微波散射计海面风场反演方法是由张彪;张兰杰;李学华;吕艳芳设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于AWPSO-CNN和HY-2C微波散射计海面风场反演方法在说明书摘要公布了：本发明公开了一种基于AWPSO‑CNN和HY‑2C微波散射计海面风场反演方法，包括：获取数据集，数据集包括中国海洋卫星HY‑2C微波散射计L2A数据、欧洲中期天气预报中心ECMWF数据和国家数据浮标中心NDBC数据；数据集预处理；将中国海洋卫星HY‑2C微波散射计L2A数据和欧洲中期天气预报中心ECMWF数据，进行数据时空匹配，得到匹配数据，将匹配数据分为训练集和测试集；使用训练集中的数据，训练AWPSO‑CNN模型；得到风速反演模块及风向反演模块。使用独立的NDBC数据评估风速和风向模型的性能。其中，解决卷积神经网络在反向传播时收敛速度慢，易陷入局部极值的问题，反演精度得到提高。改进的支持向量机算法可以解决反演风向多解经常表现为180°的风向模糊的问题，最终得到比较准确的海面风向。

本发明授权一种基于AWPSO-CNN和HY-2C微波散射计海面风场反演方法在权利要求书中公布了：1.一种基于AWPSO-CNN和HY-2C微波散射计海面风场反演方法，其特征在于，包括： 步骤S1：获取数据集，所述数据集包括中国海洋卫星HY-2C微波散射计L2A数据、欧洲中期天气预报中心ECMWF数据和国家数据浮标中心NDBC数据； 步骤S2：数据集预处理； 步骤S3：将中国海洋卫星HY-2C微波散射计L2A数据和欧洲中期天气预报中心ECMWF数据，进行数据时空匹配，得到匹配数据，将匹配数据分为训练集和测试集； 步骤S4：使用训练集中的数据，以ECMWF数据作为真值风速，训练AWPSO-CNN模型； 步骤S5：设计卷积神经网络模型结构，模型结构包括输入层、卷积层、池化层、全连接层和输出层；其中卷积层和池化层以交替方式排列； 步骤S6：初始化AWPSO算法参数，其中卷积神经网络结构中的参数包括权值、阈值和偏置，作为粒子群算法中的粒子维度数，并按顺序排列； 步骤S7：随机产生m个粒子，各粒子作为卷积神经网络结构初始参数，将S3中的训练集输入卷积神经网络模型，将模型预测风速与真值风速的均方误差作为粒子群算法的适应度函数； 步骤S8：设置迭代次数，在迭代完成时，AWPSO算法寻找到的全局最优粒子就是模型最优的初始化参数：权值、阈值和偏置； 步骤S9：将全局最优粒子位置每个维度的值按顺序赋值给卷积神经网络模型的权值、阈值和偏置；S3中的训练集数据输入模型中，训练模型，设置损失函数为均值根平方误差函数，判断是否符合要求精度； 步骤S10：利用S3中测试集数据对AWPSO-CNN模型进行性能评估； 步骤S11：将HY-2C微波散射计L2A数据和NDBC数据根据时间和空间进行匹配，将NDBC数据作为风速参考真值，对AWPSO-CNN反演模型进行性能评估，得到风速反演模块； 步骤S12：根据所述风速反演模块，设计改进的支持向量机SVM算法，初始化SVM参数，选择核函数和惩罚因子； 步骤S13：使用训练集中的数据，以ECMWF浮标数据作为真值风向，通过网格搜索的方式确定SVM模型最佳的超参数，并用超参数训练改进的SVM模型； 步骤S14：利用S3中测试集数据对改进的SVM模型进行性能评估； 步骤S15：HY-2C微波散射计L2A数据和NDBC数据根据时间和空间进行匹配，将NDBC数据作为风向参考真值，对改进的SVM模型进行性能评估，得到风向反演模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京信息科技大学，其通讯地址为：100000 北京市海淀区清河小营东路12号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。