申请/专利权人:中科飞龙(厦门)科技发展有限公司
申请日:2024-03-29
公开(公告)日:2024-06-25
公开(公告)号:CN117970533B
主分类号:G01W1/10
分类号:G01W1/10;G06F18/213;G06F18/241;G01R29/08;G06F123/02
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本申请公开了一种基于大气电场的雷电初生预报方法,其通过实时监测采集大气电场值,并利用基于人工智能的数据处理和分析算法来对大气电场值进行时序关联特征分析,以根据大气电场值的多维度时序特征来自动判断雷电初生的概率是否超过预定阈值。这样,可以确保雷电初生预报的有效性和可靠性,从而及时地发出雷电初生的预警信息,帮助相关部门和人员采取必要的防护措施。
主权项:1.一种基于大气电场的雷电初生预报方法,其特征在于,包括:获取大气电场值的时间序列;基于所述大气电场值的时间序列,计算差分变化值的时间序列;将所述大气电场值的时间序列和所述差分变化值的时间序列分别按照时间维度排列为大气电场值时序输入向量和差分变化值时序输入向量;将所述大气电场值时序输入向量和所述差分变化值时序输入向量进行时序特征提取以得到大气电场值时序关联特征向量和差分变化值时序关联特征向量;将所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量输入判别相关分析网络以得到大气电场值时序多维度特征向量作为大气电场值时序多维度特征;其中,将所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量输入判别相关分析网络以得到大气电场值时序多维度特征向量作为大气电场值时序多维度特征,包括:将所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量输入判别相关分析网络以如下判别相关分析公式进行处理以得到所述大气电场值时序多维度特征向量;其中,所述判别相关分析公式为: 其中,为所述大气电场值时序多维度特征向量,为所述大气电场值时序关联特征向量,为所述差分变化值时序关联特征向量,为所述大气电场值时序关联特征向量的转换矩阵,为所述差分变化值时序关联特征向量的转换矩阵,为显著化大气电场值时序关联特征向量,为显著化差分变化值时序关联特征向量;基于所述大气电场值时序多维度特征,确定雷电初生预报结果;其中,基于所述大气电场值时序多维度特征,确定雷电初生预报结果,包括:对所述大气电场值时序多维度特征向量进行特征优化以得到优化大气电场值时序多维度特征向量;将所述大气电场值时序多维度特征向量输入基于分类器的雷电初生预报器以得到雷电初生预报结果,所述雷电初生预报结果为雷电初生的概率是否超过预定阈值;其中,对所述大气电场值时序多维度特征向量进行特征优化以得到优化大气电场值时序多维度特征向量,包括:对所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量进行校正以得到校正特征向量;将所述校正特征向量与所述大气电场值时序多维度特征向量进行融合以得到所述优化大气电场值时序多维度特征向量;其中,对所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量进行校正以得到校正特征向量,包括:以如下校正公式对所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量进行校正以得到所述校正特征向量;其中,所述校正公式为: 其中,是所述大气电场值时序关联特征向量,是所述大气电场值时序关联特征向量中第个位置的特征值,是所述差分变化值时序关联特征向量,是所述差分变化值时序关联特征向量中第个位置的特征值,和分别表示特征向量的一范数和二范数的平方,所述大气电场值时序关联特征向量和所述差分变化值时序关联特征向量具有相同的特征向量长度,且是权重超参数,是所述校正特征向量,是以2为底的对数函数值。
全文数据:
权利要求:
百度查询: 中科飞龙(厦门)科技发展有限公司 一种基于大气电场的雷电初生预报方法
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。