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！

龙图腾网恭喜浙江省气象台申请的专利基于深度学习和偏振量垂直廓线的强对流短临预报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：CN119620244B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510167770.3，技术领域涉及：G01W1/10；该发明授权基于深度学习和偏振量垂直廓线的强对流短临预报方法是由黄旋旋;黄娟;李文娟;陈列;宋哲;周凯;苏桂炀;罗然;陶然亭设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于深度学习和偏振量垂直廓线的强对流短临预报方法在说明书摘要公布了：本发明提供一种基于深度学习和偏振量垂直廓线的强对流短临预报方法，根据雷达组网范围内在历史时间段每隔预设时长的等高面偏振量和风场的三维格点数据，识别对流云；利用CLTREC方法对所述对流云进行追踪，建立所述对流云的前后匹配关系，根据所述前后匹配关系确定所述历史时间段内对流云的时序格点位置；根据所述对流云的时序格点位置，从所述三维格点数据中采样出对流云格点的偏振量垂直廓线时序特征，并确定所述对流云格点的偏振量垂直廓线时序特征的实况后验概率；将所述实况后验概率与概率阈值进行比较，根据比较结果确定未来时间段内是否将发生强对流，所述概率阈值利用深度学习模型优化得到。本发明提升预报提前量和预报精度。

本发明授权基于深度学习和偏振量垂直廓线的强对流短临预报方法在权利要求书中公布了：1.一种基于深度学习和偏振量垂直廓线的强对流短临预报方法，其特征在于，包括：根据雷达组网范围内在历史时间段每隔预设时长的等高面偏振量和风场的三维格点数据，识别对流云；利用CLTREC方法对所述对流云进行追踪，建立所述对流云的前后匹配关系，根据所述前后匹配关系确定所述历史时间段内对流云的时序格点位置；根据所述对流云的时序格点位置，从所述三维格点数据中采样出对流云格点的偏振量垂直廓线时序特征，并确定所述对流云格点的偏振量垂直廓线时序特征的实况后验概率；将所述实况后验概率与概率阈值进行比较，根据比较结果确定未来时间段内是否将发生强对流，所述概率阈值利用深度学习模型优化得到；确定所述对流云格点的偏振量垂直廓线时序特征的实况后验概率，包括：建立表征强对流前兆的偏振量垂直廓线时序特征的数据集；利用极大似然估计法对所述数据集中的偏振量垂直廓线时序特征进行分段高斯函数拟合，构建所述强对流发生前预设时长内发生强对流的先验概率；利用先验到后验概率转换方法，对所述先验概率进行转换，获得所述对流云格点的实况后验概率；利用深度学习模型优化得到所述概率阈值的步骤包括：确定偏振量垂直廓线时序特征训练集中偏振量垂直廓线时序特征的实况后验概率；对所述训练集中偏振量垂直廓线时序特征的实况后验概率进行高斯拟合得到高斯曲线；确定所述高斯曲线的左端与方差、方差的两倍之间的概率差值，根据两个概率差值确定所述概率阈值的搜索范围；对所述训练集中偏振量垂直廓线时序特征的实况后验概率沿着时间维度依次通过多个卷积层计算后验概率卷积指数；利用所述训练集中每个卷积层的后验概率卷积指数，计算所述搜索范围内指定概率阈值下每个卷积层对应的最优风险评分；将所述最优风险评分中的最大值对应的卷积层作为最优卷积层，将所述最优风险评分中的最大值对应的概率阈值作为最优概率阈值。

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浙江省气象台，其通讯地址为：310051 浙江省杭州市滨江区长河街道国慷街256号浙江省气象防灾减灾中心；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”。