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：威派(武汉)高新技术有限公司

摘要：一种基于DAM‑EfficientNet模型的冰雹天气识别及预测方法，它包括以下工艺步骤：获取风云四号气象卫星数据，进行数据的筛选和预处理；生成深度学习网络中所需要的数据集；建立EfficientNet‑B1基准网络模型，将数据集中的训练集进行训练；对多通道进行不同尺寸图片进行训练，并寻找出表现优异的通道；建立高效通道下的DAM‑EfficientNet深度学习冰雹分类模型，验证冰雹识别准确率；预测具体地区的冰雹下降时间。本发明的DAM‑EfficientNet模型在识别能力和准确预测上表现更好，它能准确高效地识别极端冰雹天气，解决了冰雹天气难以准确预测和时效性差的问题。

主权项：1.一种基于DAM-EfficientNet模型的冰雹天气识别及预测方法，其特征在于它包括以下工艺步骤：S1:获取风云四号气象卫星数据，进行数据的筛选和预处理；S2:生成深度学习网络中所需要的数据集；S3:建立EfficientNet-B1基准网络模型，将数据集中的训练集进行训练；步骤S3包括:S3.1:使用神经网络算法EfficientNet-B1模型训练在步骤S2中所得到的不同通道的训练集，将训练集和测试集分成8：2的形式进行训练；S3.2:使用步骤S3.1的算法过程，设置每个通道的训练周期为200个epoch，且使用停止准则，一旦在连续的15个epoch中得到的验证损失率降低幅度没有超过0.01，则立即停止训练过程；S3.3:采用学习率自适应的一种方法，使用Adam优化器自适应调整现有的学习率，如果发现一定条件下，训练损失值不降低，则将学习率降低为之前学习率的110;设置当前的学习率初始值为0.001；S3.4:将训练集作为模型实际输入的图像数据，将验证集作为判定当前图像的分类准确值；S3.5:根据步骤S3.1与步骤S3.2，建立基于EfficientNet-B1的深度网络模型，对卫星数据图像进行分类；S4:对多通道进行不同尺寸图片的训练，并寻找出表现优异的通道；步骤S4包括:S4.1:根据步骤S2中所得到的不同通道、不同尺寸的图像数据，使用步骤S3中所建立的EfficientNet-B1模型进行训练；S4.2:使用步骤S4.1中的方法，统计使用不同通道和不同尺寸大小的数据，将不同尺寸、相同通道作为基础；使用准确率作为判定相同通道中不同尺寸好坏的判别标准；挑选出最好效果的尺寸图；同理，将相同尺寸作为基础，选取不同通道的准确率作为编订标准；挑选出效果最好的训练通道；S4.3:通过步骤S4.1与步骤S4.2的方法获得最优尺寸与最优通道数据；S5:建立高效通道下的DAM-EfficientNet深度学习冰雹分类模型，验证冰雹识别准确率；步骤S5包括:S5.1:建立DAM-EfficientNet网络模型在步骤S4中所得到的最有效通道，将训练集和测试集分成8：2的形式进行训练；S5.2:使用步骤S5.1的算法过程，设置每个通道的训练周期为300个epoch，且使用停止准则，一旦在连续的15个epoch中得到的验证损失率降低幅度没有超过0.01，则立即停止训练过程；S5.3:搭建网络模型，即针对步骤S5.1中的网络，在EfficientNet-B1的基础上做了以下的改进：在网络的第一层卷积层之后以残差结构形式连接了CBAM模块，将EfficientNet原网络中的每一个MBConv模块内SE模块替换为ECA模型；S5.4:根据步骤S5.3中搭建的网络模型，使用步骤S5.1中的高效通道进行训练，验证实际的训练准确率；S6:预测具体地区的冰雹下降时间。

全文数据：

权利要求：

百度查询： 威派(武汉)高新技术有限公司 基于DAM-EfficientNet模型的冰雹天气识别及预测方法