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！

申请/专利权人：武汉轻工大学

摘要：一种基于深度学习的人工增雨效果评估量化方法，收集风云4号气象卫星数据、实际降雨量观测数据和人工增雨作业记录数据，分析卫星的多个通道，选取多个与降雨量预测相关的通道用作实验数据，对这些数据进行时间同步的调整；进行自然条件下短期降雨量预测模型实验，对实际降雨量观测数据和卫星数据进行经纬度对齐，采用卷积神经网络CNN对卫星数据进行卷积处理，调整卫星数据在图像的尺寸与降雨量数据保持一致；将处理后的数据集输入多通道高效通道注意力UNet网络模型进行训练，该模型在UNet基础上进行了改进，具体包括添加了ECA模块、在网络的最后一层引入了多通道权重机制，并优化了网络损失函数的策略。本发明解决了人工增雨效果难以评估和量化的问题。

主权项：1.一种基于深度学习的人工增雨效果评估量化方法，其特征在于它包括如下步骤：S1:收集风云4号气象卫星数据、实际降雨量观测数据和人工增雨作业记录数据，并分析风云4号气象卫星的多个通道，选取多个与降雨量预测相关的通道用作实验数据，对这些数据进行时间同步的调整，以确保这些数据在空间和时间维度上的一致性，得到调整处理后的数据集；S2:将步骤S1得到的调整处理后的数据，进行自然条件下短期降雨量预测模型实验，在实验中首先排除受人工增雨作业影响的时间点，剔除因人工干预产生的异常降雨数据，接着根据实际降雨量数据的经纬度，对步骤S1调整处理后的实际降雨量观测数据和风云4号气象卫星数据进行经纬度对齐，采用卷积神经网络CNN对风云4号气象卫星数据进行卷积处理，调整风云4号气象卫星数据在图像的尺寸与降雨量数据保持一致，得到处理后的数据集；S3:将步骤S1和步骤S2处理后的数据集输入多通道高效通道注意力UNet网络模型进行训练，将该模型在UNet基础上进行改进，具体包括添加ECA模块、在网络的最后一层引入多通道权重机制，并优化了网络损失函数的策略；S4：评估人工增雨作业效果，采用某地的多次人工增雨作业数据，对训练完成的模型进行人工增雨效果评估，通过模型反演获得同一地区人工增雨条件下自然形成的降雨量，然后和人工增雨后的实际降雨量进行比较，并利用残差值来评估量化人工增雨的有效性，最后利用模型对每一次作业数据进行评估量化。

全文数据：

权利要求：

百度查询： 武汉轻工大学 基于深度学习的人工增雨效果评估量化方法