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:武汉大学;国网湖北省电力有限公司黄石供电公司
摘要:本发明提供一种基于深度学习的风廓线雷达边界层高度反演方法及系统,包括:首先提出边界层高度反演敏感性分析理论,分析局部峰值数目对边界层反演的影响,为算法改进奠定理论基础;然后基于边界层物理特性和排列重要性对风廓线雷达产品中众多的大气参数廓线进行选择,筛选出用于反演模型的输入参数廓线;将上述筛选后廓线与探空反演的真实边界层高度输入卷积神经网络模型进行训练;充分训练后的模型能直接输出高精度的边界层高度反演结果。本发明结合深度学习善于发现高维数据中的复杂结构的优势,同时加入多种大气参数廓线,大大提高了边界层高度反演的精度和稳定性,为边界层研究和全球气候变化提供有力支撑。
主权项:1.一种基于深度学习的风廓线雷达边界层高度反演方法,其特征在于,包括:获取风廓线雷达产品数据,对所述风廓线雷达产品数据进行预处理以及时间匹配,得到训练数据集;筛选风廓线雷达产品中的多个参数廓线,获得反演边界层高度的参数廓线;基于所述训练数据集和所述反演边界层高度的参数廓线,对卷积神经网络进行训练,利用损失函数对所述卷积神经网络进行收敛,输出风廓线雷达边界层高度反演模型;采用所述风廓线雷达边界层高度反演模型得到边界层高度反演结果。
全文数据:
权利要求:
百度查询: 武汉大学 国网湖北省电力有限公司黄石供电公司 基于深度学习的风廓线雷达边界层高度反演方法及系统
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。