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：南京气象科技创新研究院

摘要：本发明公开了基于全天候天气背景的微波辐射计温湿廓线联合校正方法，包括：获取微波辐射计测量数据与无线电探空仪探测数据，进行数据清洗与标准化预处理；对影响微波辐射计测量精度的全天候天气背景因子特征进行标注，生成对应特征向量，形成无量纲的全天候天气背景因子库；采用引入一致性损失的联合损失函数，构建并训练融合微波辐射计测量、全天候天气背景及无线电探空仪探测的多层感知卷积长短期记忆网络深度学习模型；针对目标时间，基于微波辐射计测量与全天候天气背景特征，产生校正后的温湿度廓线反演结果。本发明提高了局地温度、湿度反演的一致性，能够准确、高效地实现对微波辐射计温湿廓线测量反演的联合校正，具有极高的应用价值。

主权项：1.基于全天候天气背景的微波辐射计温湿廓线联合校正方法，其特征在于，包括以下步骤：S1、获取微波辐射计测量数据与无线电探空仪探测数据，进行数据清洗与标准化预处理，并将得到的标准化后的微波辐射计测量数据与无线电探空仪探测数据矩阵分别划分训练集与验证集；S2、对影响微波辐射计测量精度的全天候天气背景因子特征进行标注编码，生成一个静态特征向量矩阵和一个动态特征向量矩阵，并对静态特征向量矩阵和动态特征向量矩阵分别进行归一化的尺度匹配处理，形成无量纲的全天候天气背景因子库，并对应步骤S1中的数据集划分方案将无量纲化的全天候天气背景因子库同样划分为训练集与验证集；S3、采用一种引入一致性损失的联合损失函数，构建融合微波辐射计测量数据、无线电探空仪探测数据以及全天候天气背景特征的多层感知卷积长短期记忆网络深度学习模型，并采用训练集和验证集展开模型训练；其中，多层感知卷积长短期记忆网络深度学习模型包括输入模块、多层感知模块、卷积网络模块、长短期记忆模块和输出模块；输入模块用于将步骤S1获得的标准化后的微波辐射计测量数据与无线电探空仪探测数据，以及步骤S2获得的无量纲的全天候天气背景因子库整合为输入静态特征与输入动态特征，多层感知模块用于处理输入静态特征，卷积网络模块用于精细化处理输入动态特征，长短期记忆模块用于生成时序特征，输出模块将长短期记忆模块生成的时序特征向量转换为最终的校正结果，即校正后的标准化温度和湿度垂直廓线；联合损失函数用于平衡温度、湿度二者在模型训练过程中的一致性特征；S4、根据步骤S3训练好的多层感知卷积长短期记忆网络深度学习模型，针对目标时间，基于微波辐射计测量与全天候天气背景特征，产生校正后的温湿度廓线反演结果。

全文数据：

权利要求：

百度查询： 南京气象科技创新研究院 基于全天候天气背景的微波辐射计温湿廓线联合校正方法