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！

龙图腾网恭喜中国空间技术研究院申请的专利基于深度学习权重负载提高陆地水储量异常准确性方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114676621B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210089521.3，技术领域涉及：G06F30/27；该发明授权基于深度学习权重负载提高陆地水储量异常准确性方法是由郑伟;尹文杰;沈祎凡设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本基于深度学习权重负载提高陆地水储量异常准确性方法在说明书摘要公布了：本发明公开了一种基于深度学习权重负载提高陆地水储量异常准确性方法，包括：步骤1，将研究区划分为1°×1°格网，搜索每个格网内是否包含GNSS测站，若格网内包含GNSS测站，则执行步骤2，否则执行步骤3；步骤2，以GNSS测站观测数据为基础，得到已观测格网内的地壳形变序列；步骤3，利用MEEMD分解法和LSTM回归模型，处理得到未观测格网内的地壳形变序列；步骤4，利用NTAL模型和NTOL模型，对所有已观测未观测格网内的地壳形变序列进行大气和非潮汐海洋负荷改正；步骤5，以所有格网改正后的地壳负荷形变序列为输入数据，结合格林函数和地壳负荷模型，反演得到研究区的陆地水储量异常TWSA，并输出。本发明实现了TWSA的准确反演。

本发明授权基于深度学习权重负载提高陆地水储量异常准确性方法在权利要求书中公布了：1.一种基于深度学习权重负载提高陆地水储量异常准确性方法，其特征在于，包括：步骤1，将研究区划分为1°×1°格网，搜索每个格网内是否包含GNSS测站，若格网内包含GNSS测站，则将格网定义为已观测格网，并执行步骤2；若格网内不包含GNSS测站，则将格网定义为未观测格网，并执行步骤3；步骤2，以GNSS测站观测数据为基础，对每日坐标进行解算，获得基于GNSS测站确定的地壳垂向形变序列，并去除大于三倍标准差的序列异常值和阶跃项，得到已观测格网内的地壳形变序列；步骤3，获取未观测格网的地表温度序列和气压序列，对获取的未观测格网的地表温度序列和气压序列进行归一化处理，得到归一化结果；利用MEEMD分解法对归一化结果进行分解，得到m个特征序列；以未观测格网的GNSS垂向形变序列为目标序列，m个特征序列为输入序列，利用LSTM回归模型，回归得到未观测格网内的地壳形变序列；步骤4，利用NTAL模型和NTOL模型，对通过步骤2得到的所有已观测格网内的地壳形变序列和通过步骤3得到的所有未观测格网内的地壳形变序列，进行大气和非潮汐海洋负荷改正，得到所有格网改正后的地壳负荷形变序列；步骤5，以步骤4得到的所有格网改正后的地壳负荷形变序列为输入数据，结合格林函数和地壳负荷模型，反演得到研究区的陆地水储量异常TWSA，并输出；LSTM回归模型，包括：输入门it、遗忘门ft、输出门ot、记忆单元ct、以及每个步长对应的输入序列：x1,x2,...,xt，t表示步长；记忆单元ct通过输入门it、遗忘门ft和输出门ot控制数据的记忆和遗忘；记忆单元ct与输入门it、遗忘门ft和输出门ot之间的关系表示如下：ft＝σWfxt+Ufhtot＝σWoxt+Uoht ht＝ot·tanhct其中，σ表示sigma函数；Wf、Wo和Wc分别表示遗忘门、输出门和记忆单元对应的输入过程中的权重矩阵；Uf、Uo和Uc表示分别表示遗忘门、输出门和记忆单元对应的状态转移权重矩阵，为S型函数；ht表示输出的隐藏状态向量；表示更新后的记忆单元；tanh表示双曲正切函数；MEEMD分解法采用的分解公式如下：F＝IMF1+IMF2+…+IMFm+noiw其中，F表示原始特征序列，IMF1～IMFm表示将原始特征序列F分解得到的n个特征序列，noiw表示在原始特征序列F分解过程中向待分解序列中添加的高斯白噪声；回归得到的未观测格网内的地壳形变序列记作Dg，表示如下： 其中，dj表示第j个未观测格网中心与GNSS测站之间的距离，n表示GNSS测站数量，表示未观测格网与每个GNSS测站距离的总和，NetLSTM表示LSTM回归模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国空间技术研究院，其通讯地址为：100194 北京市海淀区友谊路104号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。