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WT‑LIESN和LSTM的降水预测方法，包括：根据GNSS的信号反演，得到天顶对流层延迟的水平方向的分量与大气可降水量和土壤湿度的逐小时的时间序列；将降水时间序列作为小波分解算法的输入，对降水时间序列进行时频分析，输出若干模态分量，并将若干模态分量划分为高频分量和低频分量；将GNSS气象数据与高频分量输入到长短期记忆递归神经网络中，得到第一预测值；再将GNSS气象数据与低频分量输入到泄露积分神经元的回声状态网络中，得到第二预测值；将第一预测值、第二预测值相加，得到最终的降水预测值。本发明充分利用不同数据的优势，提高了降水预报的全面性和准确性，帮助人们更好地应对短时强降水可能引发的灾害和影响。

主权项：1.一种基于WT-LIESN和LSTM的降水预测方法，其特征在于，包括：根据GNSS的信号反演，得到天顶对流层延迟的水平方向的分量与大气可降水量和土壤湿度的逐小时的时间序列；将所述降水时间序列作为小波分解算法的输入，对所述降水时间序列进行时频分析，输出若干模态分量，并将所述若干模态分量划分为高频分量和低频分量；利用小波分解算法将降水时间序列进行分解，得到高频的非线性分量IMF1、IMF2、…、IMFn-1和低频线性分量IMFn，如下式所示： ；其中，N为分解层数，为小波分解系数，为尺度分解系数，为分解后的残余序列，为小波函数簇；将GNSS气象数据与所述高频分量输入到长短期记忆递归神经网络中，得到第一预测值；将所述小波分解算法分解的高频分量和大气可降水量、天顶对流层延迟的水平方向的分量、土壤湿度时间序列作为参数，输入至长短期记忆递归神经网络进行训练，得到预测降水信号Y1，Y2，Y3……，Yn-1，即第一预测值；再将所述GNSS气象数据与所述低频分量输入到泄露积分神经元的回声状态网络中，得到第二预测值；将所述小波分解算法分解的低频分量和大气可降水量、天顶对流层延迟的水平方向的分量、土壤湿度时间序列作为参数，输入至泄露积分神经元的回声状态网络中进行训练，得到第二预测值；通过调整网络的输出权值矩阵参数，进行网络训练，其状态更新方程为： ；其中，，和分别是时刻的网络输入、隐层状态和输出，、和分别是输入、储备池状态和输出对储备池状态的权值矩阵，代表时间常数，表示步长参数，而代表泄漏衰减率；最后输出第二预测值，即Yn，其数学表达式如下： ；其中，为输出权矩阵；将所述第一预测值、所述第二预测值相加，得到最终的降水预测值，如下式所示： ；其中，表示降水预测值，表示降水预测分量。

全文数据：

权利要求：

百度查询： 南京北斗创新应用科技研究院有限公司 一种基于WT-LIESN和LSTM的降水预测方法