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！

龙图腾网恭喜中山大学申请的专利一种粒子直径约束的PM_2.5深度学习遥感估算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：CN114334027B 。

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：202111340135.9，技术领域涉及：G16C20/20；该发明授权一种粒子直径约束的PM_2.5深度学习遥感估算方法是由李同文;阴顺超;程晓;吴金橄;王天星设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本一种粒子直径约束的PM_2.5深度学习遥感估算方法在说明书摘要公布了：本发明公开了一种粒子直径约束的PM2.5深度学习遥感估算方法，基于卫星遥感气溶胶光学厚度AOD、再分析资料、地面站点观测数据等构建深度神经网络模型，利用PM1、PM2.5及PM10三者粒子直径大小的先验关系即PM1浓度≤PM2.5浓度≤PM10浓度建立约束条件，并基于此构建深度神经网络损失函数的约束项，提出粒子直径约束的PM2.5深度学习遥感估算方法。本发明能够缓解深度学习PM2.5估算中出现的高值低估和低值高估现象，提升PM2.5遥感估算的精度，可广泛应用于PM2.5浓度遥感估算技术领域。

本发明授权一种粒子直径约束的PM_2.5深度学习遥感估算方法在权利要求书中公布了：1.一种粒子直径约束的PM2.5深度学习遥感估算方法，其特征在于，包括：获取站点观测数据、再分析资料、卫星遥感数据和辅助数据，所述站点观测数据包括PM2.5站点数据和PM10站点数据；其中，所述获取再分析资料，包括以下至少之一：获取气象条件数据；获取空气质量数据；所述获取空气质量数据，包括以下至少之一：获取PM1浓度；获取PM2.5浓度；根据所述再分析资料，结合所述PM2.5站点数据，获取PM1等效观测数据；其中，所述根据所述再分析资料，结合所述PM2.5站点数据，获取PM1等效观测数据，包括：根据所述再分析资料中所述PM1浓度和所述PM2.5浓度的比例关系，结合所述PM2.5站点数据进行PM1等效观测计算，获取PM1等效观测数据，所述PM1等效观测的表达式为： 其中，PM1表示PM1等效观测PM1数据，PM1再分析资料表示由再分析资料获取的PM1浓度，PM2.5再分析资料表示由再分析资料获取的PM2.5浓度，PM2.5表示站点观测PM2.5数据；根据所述PM1等效观测数据、所述PM2.5站点数据和所述PM10站点数据，结合粒子直径大小的先验关系，确定粒子直径约束的神经网络损失函数；其中，所述根据所述PM1等效观测数据、所述PM2.5站点数据和所述PM10站点数据，结合粒子直径大小的先验关系，确定粒子直径约束的神经网络损失函数，包括：根据所述PM1等效观测数据、所述PM2.5站点数据和所述PM10站点数据，结合PM1、PM2.5和PM10之间的浓度数值大小的先验关系，确定PM2.5遥感估算的约束条件；根据所述约束条件，确定粒子直径约束的神经网络损失函数，所述神经网络损失函数的表达式为： 其中，N为样本数量，i表示第i个样本，PM2.5表示由站点观测数据获取的PM2.5数据，表示PM2.5估算模型估算的PM2.5数据，λ1、λ2表示正则化参数，ψPM1表示PM1约束项，ψPM10表示PM10约束项，ReLU表示线性整流函数，PM1表示PM1等效观测数据，PM10表示由站点观测获取的PM10数据；基于深度神经网络，结合所述神经网络损失函数，构建PM2.5估算模型；其中，所述基于深度神经网络，结合所述神经网络损失函数，构建PM2.5估算模型，包括：根据所述卫星遥感数据和所述辅助数据，构建深度神经网络，所述深度神经网络的表达式为：PM2.5＝fAOD,x1,x2,x3,...，其中，PM2.5表示深度神经网络估算的PM2.5数据；f表示深度神经网络，AOD表示卫星遥感气溶胶光学厚度数据，x1,x2,x3,...表示辅助数据；根据样本库，对所述PM2.5估算模型进行训练与优化，确定所述PM2.5估算模型的最佳参数；将所述再分析资料、所述卫星遥感数据和所述辅助数据输入确定所述最佳参数后的PM2.5估算模型，得到PM2.5估算结果。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。