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：成都信息工程大学

摘要：本发明提供了一种基于LSTM神经网络模型的降水微物理参数反演算法，旨在提高反演精度和区域适应性。该方法首先利用粒子谱仪观测数据计算得到理论雷达数据，通过滑动窗格技术和累积分布函数计算，动态调整参数以寻找最优解，从而获得更加精确的理论雷达数据。其次，采用模糊逻辑法对降水粒子相态进行分类，并根据不同相态设置雷达参数的权重。将不同权重的理论雷达数据与降水粒子相态结合作为新的特征输入LSTM模型，进行高精度反演。通过这种方法，本发明显著提高了对含水量、降水强度以及粒径大小等降水微物理参数的反演准确性和适应性，具有广泛的应用前景。

主权项：1.一种基于LSTM神经网络模型的降水微物理参数反演算法，包括以下步骤：步骤1：对粒子谱仪观测数据进行分析，获取理论雷达数据，包括：步骤1.1：雷达反射因子Z与降水强度R的关系受天气系统、所在地区、季节等因素的影响，针对不同的天气形势，获取Z、R的动态关系；将Z、R视为衡量降水的两个随机变量，Z、R有n种可能的结果，每种结果出现的概率相同，利用累积分布函数，计算Z、R某点上左侧点的数量与总点数之比，将Z、R的点按照该比值分别由大到小排序，获得第一组Z、R数据；步骤1.2：滑动窗格处理，假设Z、R有n个数据，设置滑动步长为L＝5，从左到右每5个数据取滑动窗格，即[Z1,Z5],[Z2,Z6],[Z3,Z7],……,[Zn-4,Zn]，对于R的窗格有[R1,R5],[R2,R6],[R3,R7]……[Rn-4,Rn]，Z、R均有n-4个滑动窗格；步骤1.3：计算滑动平均值；步骤1.4：设置初始值并计算理论降水强度；步骤1.5：寻找最优参数；步骤1.6：反推理论Z’；步骤1.7：更新数据：利用累积分布函数，计算Z’、R某点上左侧点的数量与总点数之比，将Z’、R的点按照该比值分别由大到小排序，获得第二组Z’、R数据；步骤1.8：迭代优化：重复步骤1.2至步骤1.5，通过均方误差最小的数据，获得更精准的参数a、b；步骤2：进行基于降水粒子相态的理论雷达数据权重设置预处理；步骤3：将不同权重的理论雷达数据和降水粒子相态结合作为新的特征输入，进行LSTM模型的构建。在数据处理过程中，通过随机抽取样本来确保训练样本的随机性，并对数据进行合理划分。将训练数据输入LSTM神经网络模型进行训练，通过机器学习优化得到最佳模型；步骤4：应用所述步骤3中得到的最优模型，把理论雷达数据进行预处理后输入模型，得到降水微物理参数反演结果。

全文数据：

权利要求：

百度查询： 成都信息工程大学 一种基于LSTM神经网络模型的降水微物理参数反演算法