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：昆明理工大学

摘要：本发明公开了一种星载GNSS‑R全球海面有效波高估计的深度学习方法，包括：获取CYGNSSL1级GNSS‑R数据，ERA5风速、风向、水深和SWH数据，IMERG降雨数据，WaveWatchIIIWW3SWH数据和AVISO卫星高度计SWH数据；从星载GNSS‑RDDM数据中提取观测变量参数、计算特征观测值、采用外部数据选择辅助变量和对所有数据集进行时空匹配；数据质量控制和数据过滤以及训练数据集、验证测试集和测试数据集划分；有效波高反演的GloWH‑Net混合深度学习模型的构建和训练；对SWH反演结果进行性能评估和对比；本发明显著提高了有效波高反演精度。

主权项：1.一种星载GNSS-R全球海面有效波高估计的深度学习方法，其特征在于，包括以下步骤：步骤1、获取CYGNSSL1级GNSS-R数据，ERA5风速、风向、水深和SWH数据，IMERG降雨数据，WaveWatchIIISWH数据和AVISO卫星高度计SWH数据；步骤2、从星载GNSS-RDDM数据中提取观测变量参数、计算特征观测值、采用外部数据选择辅助变量和对所有数据集进行时空匹配；步骤3、数据质量控制和数据过滤以及训练数据集、验证测试集和测试数据集划分；步骤4、有效波高反演的GloWH-Net混合深度学习模型的构建和训练；步骤4所述的有效波高反演的GloWH-Net混合深度学习模型包括三大模块，第一个网络模块为卷积特征提取模块，输入为BRCSDDM和有效散射面积effectivescatteringarea，利用卷积神经网络从BRCSDDM和effectivescatteringarea中有效提取与海面有效波高相关的空间特征信息；第二个网络模块为特征关系推理模块，利用双向长短期记忆网络BidirectionalLongShort-TermMemory，BiLSTM提取时间相关特征和捕捉前后文信息，从而更好地理解输入序列；第三个网络模块为全连接网络，输入为CYGNSS观测变量参数、GNSS-R特征观测值和其他辅助变量信息；步骤5、将测试数据集输入到训练后的GloWH-Net混合深度学习模型中，得到反演有效波高值，并对GloWH-Net混合深度学习模型和先前模型，即经验模型和机器学习模型的SWH反演结果进行性能评估和对比。

全文数据：

权利要求：

百度查询： 昆明理工大学 星载GNSS-R全球海面有效波高估计的深度学习方法