龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：上海师范大学
摘要：本发明涉及一种基于深度学习的近地表风场降尺度方法，方法包括以下步骤：S1、获取站点数据、风场数据和地形数据，特征提取模块输出风场和地形总高维特征；S2、所述风场和地形总高维特征输入多尺度特征融合模块，输出多尺度融合特征；S3、输出第一近地表风场网格预测值；S4、第二全连接预测模块输出第二近地表风场网格预测值；S5、获取自适应加权分析数据，将自适应加权分析数据输入自适应加权网络，基于第一权重和第二权重得到最终地表风场网格预测值。与现有技术相比，本发明具有提高近地表风场降尺度的准确性和效率等优点。
主权项：1.一种基于深度学习的近地表风场降尺度方法，其特征在于，方法包括以下步骤：S1、获取站点数据、风场数据和地形数据，将所述风场数据和地形数据输入多尺度空间特征提取网络，所述多尺度空间特征提取网络由特征提取模块FE、多尺度特征融合模块、第一全连接预测模块组成，风场数据和地形数据输入特征提取模块后，特征提取模块输出风场和地形总高维特征Ftotal；S2、所述风场和地形总高维特征Ftotal输入多尺度特征融合模块，输出多尺度融合特征Ffused；S3、多尺度融合特征Ffused输入第一全连接预测模块，第一全连接预测模块输出第一近地表风场网格预测值；S4、基于所述站点数据构建站点数据空间位置图和站点数据特征相关性图，将所述站点数据空间位置图和站点数据特征相关性图和对应的站点特征输入站点空间联动网络，所述站点空间联动网络包括空间位置管道流、相关性管道流和第二全连接预测模块，所述空间位置管道流和相关性管道流的输出输入至第二全连接预测模块，所述第二全连接预测模块输出第二近地表风场网格预测值；S5、获取自适应加权分析数据，将自适应加权分析数据输入自适应加权网络，生成第一近地表风场网格预测值对应的第一权重和第二近地表风场网格预测值对应的第二权重，基于第一权重和第二权重得到最终地表风场网格预测值。
全文数据：
权利要求：
百度查询： 上海师范大学 一种基于深度学习的近地表风场降尺度方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号