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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测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：CN119439320B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202510034225.7，技术领域涉及：G01W1/10；该发明授权一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法是由马珂飞;耿焕同;耿良超;赵翰;闵锦忠;白兰强设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法在说明书摘要公布了：本发明公开了一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法，主要是利用雷达最低两个仰角的6种观测量，结合深度学习模型Unet，并引入注意力机制与位置编码信息，优化数据传递过程，构建弱监督式轻量化识别模型TD‑Unet。该模型对多仰角雷达资料进行特征提取，生成龙卷识别概率和地理方位图。在识别结果中，进一步提取龙卷所在的地理坐标序列，并基于龙卷运动特征优化粒子滤波算法，构建路径预测算法，通过提取的实时龙卷坐标序列实现路径预测。本发明能够提高龙卷风识别的准确性与效率，并为路径预测提供科学可行的方法，为气象预警以及灾害防控提供了强有力的技术支持。

本发明授权一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法在权利要求书中公布了：1.一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法，其特征在于：包括以下步骤：步骤1）使用X波段雷达基数据构建龙卷风识别深度学习数据集：首先以龙卷风为中心，在气象雷达基数据的两个最低仰角上6种基本数据中截取龙卷周围固定大小的数据块（W,H），组合上述12个数据块为一个正样本，样本形状为（12,W,H），再对每个观测量分别进行归一化处理，负样本截取不包含龙卷的随机天气过程中的数据；步骤2）构造龙卷风识别深度学习模型：以U-Net模型为基础框架，编码器-解码器结构提取特征并恢复空间分辨率；在此基础上，结合改进后的CBAM模块、CoordConv2D卷积、空间位置编码，通过跳跃连接构建TD-block模块，替换原本Unet中的编码模块，并且在Unet的跳跃连接中加入CBAM模块，构建弱监督式轻量化的龙卷风识别模型TD-Unet，用于专门识别龙卷风；龙卷识别弱监督学习的具体方式是，模型通过是否存在龙卷风的标签进行训练，不标注龙卷风的具体位置、形状或大小，使模型能够自主学习龙卷特征并得到龙卷风发生的位置；步骤3）将步骤1）中得到的数据集按4：1比例划分为训练集和测试集，并将训练集输入构建的TD-Unet模型进行训练；对训练完毕的模型在测试集上采用二分类混淆矩阵对TD-Unet模型进行性能评估，得到客观评价指标；步骤4）从识别结果中提取龙卷坐标，并将多个时间步识别到的坐标转化为龙卷坐标序列；剔除识别结果中存在的误报的情况，在多龙卷的情况下将不同龙卷的坐标相隔分别预测，合并相邻坐标点，以得到当前龙卷风涡旋中心的坐标；多个时间步的识别结果坐标组成历史龙卷坐标序列；步骤5）龙卷风路径预测：将龙卷风路径预测问题归类为二维质点运动预测问题，根据上一步过滤后并归属到多个不同龙卷过程的龙卷坐标序列分别作为龙卷风路径预测算法的输入，得到未来10步龙卷风的路径走向；龙卷风路径预测算法具体算法为：利用粒子滤波算法ParticleFiltering解决龙卷风运动预测的非线性问题，并改进其中的状态转移方程，根据龙卷风的历史运动状态，得出当前时刻的速度与加速度，将速度和加速度作为状态转移方程的参量，得到自定义的龙卷风动态模型；基于过去带有噪声的观测点运动轨迹，根据自定义的龙卷风动态模型来估计非线性系统动态变化的状态，经过多次迭代得到未来多时刻的状态从而达到未来多时刻的路径预测。

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南京信息工程大学，其通讯地址为：210000 江苏省南京市宁六路219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”。