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！
摘要：本发明公开了一种基于BP神经网络的分层递进式气象要素数据重构方法，包括：S1、收集研究区域内及其周边气象站的气象要素数据；包括逐日观测的平均气温、平均气压、平均相对湿度和日照时数；S2、基于研究区域内及其周边气象站的地理位置信息，将气象站划分为验证气象站和训练气象站；S3、根据数据重构目标，确定训练气象站中对应特征参数及目标变量的观测数据，并根据其构建并优化基于BP神经网络的对应目标模型；S4、根据数据重构目标，调用优化后具有最优模型参数的目标模型进行网格化的气象要素数据重构。本发明提供的高质量、多要素的气象数据重构方法，为水循化、气候变化、旱涝灾害等多个研究领域的研究与实践提供了宝贵的技术方案。
主权项：1.一种基于BP神经网络的分层递进式气象要素数据重构方法，其特征在于，包括以下步骤：S1、收集研究区域内及其周边气象站的气象要素数据；所述气象要素数据包括逐日观测的平均气温、平均气压、平均相对湿度和日照时数；S2、基于研究区域内及其周边气象站的地理位置信息，将气象站划分为验证气象站和训练气象站；S3、根据数据重构目标，确定训练气象站中对应特征参数及目标变量的观测数据，并根据其构建并优化基于BP神经网络的对应目标模型；S4、根据数据重构目标，调用优化后具有最优模型参数的目标模型进行网格化的气象要素数据重构；所述目标模型包括分层递进式结构的平均气温模型、平均气压模型、平均相对湿度模型以及日照时数模型；其中，所述平均气温模型的特征参数包括训练气象站的地理位置信息，目标变量为对应平均气温；所述平均气压模型的特征参数包括训练气象站的地理位置信息和平均气温，目标变量为对应的平均气压；所述平均相对湿度模型特征参数包括训练气象站的地理位置信息、平均气温和平均气压，目标变量为对应的平均相对湿度；所述日照时数模型的特征参数包括训练气象站的地理位置信息、平均气温、平均气压和平均相对湿度，目标变量为对应的日照时数。
全文数据：
权利要求：
百度查询： 中国水利水电科学研究院 一种基于BP神经网络的分层递进式气象要素数据重构方法
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