龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：华中科技大学
申请日：2024-03-14
公开（公告）日：2024-06-21
公开（公告）号：CN118228576A
主分类号：G06F30/27
分类号：G06F30/27;G06N3/0464;G06F18/213;G06F18/25;G06N3/08;G01W1/02;G01W1/10;G06F119/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了冰云参数联合反演模型建立方法及冰云参数联合反演方法，属于微波遥感及探测技术领域，包括：建立预测模型，并利用亮温及三类粒子廓线组成的冰云数据集对其进行训练，得到联合反演模型；预测模型为Unet网络中编码部分和解码部分的卷积层替换为RRCNN模块后得到，RRCNN模块包括M个串联的特征提取模块以及一个特征融合层；特征提取模块包括N层串联的特征提取层，第一层以输入RRCNN模块的特征x0为输入，对特征x0进行特征提取后，得到输出x1，第i层以为输入，对进行特征提取后，得到输出xi；特征融合层用于将最后一个特征提取模块所提取的特征与输入RRCNN模块的特征相加。本发明能够有效实现冰云中霰、冰和雪三类粒子参数的同时反演。
主权项：1.一种冰云参数联合反演模型建立方法，其特征在于，包括：获取冰云数据集；所述冰云数据集中，每一条样本包括太赫兹频段的亮温及相应的冰云参数，所述冰云参数包括霰廓线、冰廓线和雪廓线；建立预测模型；所述预测模型包括用于根据亮温预测霰廓线、冰廓线和雪廓线的第一反演模型；所述第一反演模型的建立方式为：建立Unet网络，并将其中编码部分和解码部分的卷积层均替换为RRCNN模块，得到第一反演模型；以所述冰云数据集中的亮温为输入，以相应的冰云参数为标签，利用所述冰云数据集对所述预测模型进行训练，训练结束后，输出所述预测模型作为冰云参数联合反演模型；其中，所述RRCNN模块包括M个串联的特征提取模块以及一个特征融合层；所述特征提取模块包括N层串联的特征提取层，其中，第一层以输入RRCNN模块的特征x0为输入，对特征x0进行特征提取后，得到第一层的输出x1，第i层以为输入，对进行特征提取后，得到第i层的输出xi，最后一层的输出为所述特征提取模块的输出；所述特征融合层用于将最后一个特征提取模块所提取的特征与输入RRCNN模块的特征相加，作为所述RRCNN模块输出的特征；M和N均为正整数，i1，表示特征相加。
全文数据：
权利要求：
百度查询： 华中科技大学 冰云参数联合反演模型建立方法及冰云参数联合反演方法
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