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：浙江大学海南研究院

摘要：本发明公开了一种基于深度学习的涌浪波高反演方法、电子设备、存储介质，所述方法包括步骤：构建涌浪波高反演网络；基于高频地波雷达回波数据构建数据集；利用数据集训练并测验涌浪波高反演网络；利用训练完成的涌浪波高反演网络根据网络输入数据进行涌浪波高反演。相比于现有技术，本发明采用深度学习方法简化了传统方法的计算步骤，模型训练完成后只需将数据输入到网络中进行简单计算即可得出结果；本发明无需进行大量复杂的数据质量控制，通过大规模的训练集、合理的网络设置和适当的正则化方法，本发明模型可以很好地应对数据质量变化，并具有更高的反演精度。

主权项：1.一种基于深度学习的涌浪波高反演方法，其特征在于，包括以下步骤：S1、构建涌浪波高反演网络；所述涌浪波高反演网络包括输入层、输入拼接层、特征提取层、卷积融合层、全连接层和输出层；其中，输入层用于输入一阶谱正半轴的谱峰幅值和一阶谱负半轴的谱峰幅值；输入拼接层用于拼接一阶谱正半轴的谱峰幅值和一阶谱负半轴的谱峰幅值，并将拼接后的数据输入到特征提取层；卷积融合层用于对特征提取层的输出进行跨通道多尺度特征融合；全连接层用于将卷积融合层输出的高维特征映射到目标输出空间；输出层则用于输出涌浪波高值；所述特征提取层包括并行分支网络和输出拼接层，所述并行分支网络包括若干条用于分别提取输入拼接层数据特征的分支网络，所述输出拼接层用于将四条并行的分支网络的输出结果按通道进行堆叠拼接；所述并行分支网络包括四条并行的分支网络，其中，第一分支网络包括一个1*1卷积核和一个3*3卷积核，第二分支网络包括一个1*1卷积核和两个3*3卷积核，第三分支网络包括一个1*1卷积核和三个3*3卷积核，第四分支网络包括一个均值池化层和一个1*1卷积核；所述卷积融合层包括三个3*3卷积核，在卷积融合层和全连接层之间还设置有池化层和批归一化层；S2、基于高频地波雷达回波数据构建数据集：选取若干有效的高频地波雷达回波数据，计算每个位置的一阶谱正负半轴的谱峰幅值并将其作为涌浪波高反演网络的输入，将对应时间和区域的涌浪波高数据作为涌浪波高反演网络的输出，以此构建数据集；S3、利用数据集训练并测验涌浪波高反演网络；S4、利用训练完成的涌浪波高反演网络根据网络输入数据进行涌浪波高反演。

全文数据：

权利要求：

百度查询： 浙江大学海南研究院 一种基于深度学习的涌浪波高反演方法、电子设备、存储介质