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！

龙图腾网恭喜南京理工大学申请的专利基于MoM和深度学习数据驱动的多项海面物理量的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：CN116151089B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202111364958.5，技术领域涉及：G06F30/27；该发明授权基于MoM和深度学习数据驱动的多项海面物理量的预测方法是由丁大志;杨婕;刘冰;杨啸;段元芝设计研发完成，并于2021-11-17向国家知识产权局提交的专利申请。

本基于MoM和深度学习数据驱动的多项海面物理量的预测方法在说明书摘要公布了：本发明公开了一种基于MoM和深度学习数据驱动的多项海面物理量的预测方法。该系统如下：描述海面的各类参数，提取相应环境参数下海面的有关特性，基于常见几何海谱模型PM谱生成静态海面，根据海情，结合电磁分析手段获取杂波特性数据，辅助以MoM计算海面电磁散射，对数值计算结果讨论，从而构建以统计模型，数值计算数据作为样本形式的不同海面环境特征的样本库。随即引入BP神经网络深度学习，以海杂波特性数据作为输入，各类海面标准化参数数据作为标签，对比不同结构神经网络，得到最小误差下的最优神经网络。基于最优神经网络结构，迭代，进行模型的不断矫正，得到最优预测模型，最终实现海面几何特性的在线预测。

本发明授权基于MoM和深度学习数据驱动的多项海面物理量的预测方法在权利要求书中公布了：1.一种基于MoM和深度学习数据驱动的多项海面物理量的预测方法，其特征在于，步骤如下：步骤一：使用VS2010软件中FORTRAN语言，基于PM谱编写程序生成海面，得到一个海面模型.LIS文件；将海面剖分成三角形；步骤二：对于步骤一的海面模型，使用MoM计算RCS，得到单站条件下，θ为0°-70°，Φ为0°的海面RCS回波数据；计算过程中设定频率参数为1.5GHz，对应频率下的海面介电常数79.6-j6.57，扫描间隔为0.5°，极化方式为VV极化；步骤三：重复步骤一和二N次得到足够的所需要的RCS数据,N大于10000；将得到的RCS数据和步骤一生成的静态海面模型中的风速数据收集作为深度学习的神经网络样本库；步骤四：基于BP神经网络理论，利用RCS反演出风速；将RCS数据作为输入，风速数据作为神经网络样本标签；更改神经网络隐藏层结构、优化器、学习率、batch，对比不同神经网络迭代1-2000次的测试集误差下降曲线，得到最优神经网络；步骤五：重复训练步骤四中的最优神经网络并进行对比，建立最优的预测模型；最终得到的模型使用单站条件下，θ为0°-70°，Φ为0°的海面RCS回波数据作为输入预测得到海面对应风速、均方根高度、海面相关长度、有效高度这些海面标准化参数数据；步骤六：使用PyCharm，将BP神经网络预测模型封装成.exe文件，使用Matlab编写软件界面，调用神经网络预测模型可执行exe文件，实现程序的软件封装；同时软件封装PM谱海面代码，输入风速数据，生成200×200，剖分间隔2的海面模型。

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理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。