龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于改进CNN‑LSTM网络的近海风场反演方法，属于气象模型技术领域，具体包括；收集历史数据集，对预处理后的历史数据集进行数据清洗和标准化，并将历史数据集划分为训练集和验证集；将训练集输入CNN模型，经过卷积层、激活函数、池化层和全连接层的处理，输出降尺度后高分辨率的气象特征并整合；将CNN模型的输出结果作为LSTM模型的输入，模型输出风速预测，并将模型的输出与标签值DA‑RE数据集的均方根误差作为损失函数；基于反向传播算法，进行更新并调整模型参数以最小化损失函数；最后利用验证集评估模型性能，进一步调整模型参数；本发明降低了风场反演技术的计算成本并提高了处理速度。
主权项：1.一种基于改进CNN-LSTM网络的近海风场反演方法，收集不同分辨率的历史数据集，其特征在于，包括以下步骤：S1、收集历史预报数据集，经过预处理生成FC数据集，收集历史观测数据集、历史卫星海温数据集、历史海浪数据集，经过预处理生成OB数据集，收集历史再分析数据集，经过预处理生成DA-RE数据集，作为模型训练的标签值；S2、对预处理后的历史数据集进行数据清洗和标准化，并将历史数据集划分为训练集和验证集；将训练集中的FC数据集融合历史卫星海温数据集和历史海浪数据集，多通道输入CNN模型，经过卷积层、激活函数、池化层和全连接层的处理，输出降尺度后高分辨率的气象特征并整合；S3、将CNN模型的输出结果融合OB数据集作为LSTM模型的输入，并构建时序特征输入适应LSTM处理格式，设计包含遗忘门、输入门、输出门的LSTM层处理高维输入数据，构建的LSTM网络包括输入层、两层LSTM层、注意力机制层和第三层LSTM，以及最后的全连接输出层进行风速预测，并将模型的输出与标签值DA-RE数据集的均方根误差作为损失函数；S4、根据构建的CNN-LSTM模型，持续以训练集进行训练，基于反向传播算法，逐层向输入层传递信息，计算每层参数的梯度，进行更新并调整模型参数以最小化损失函数；最后利用验证集评估模型性能，进一步调整模型参数。
全文数据：
权利要求：
百度查询： 温州市气象局 一种基于改进CNN-LSTM网络的近海风场反演方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号