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！

龙图腾网恭喜成都信息工程大学申请的专利一种高时空分辨率天气雷达波束传播路径反演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：CN119644337B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510169259.7，技术领域涉及：G01S13/95；该发明授权一种高时空分辨率天气雷达波束传播路径反演方法是由李睿;唐顺仙;李世乾;李振洋;史朝设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种高时空分辨率天气雷达波束传播路径反演方法在说明书摘要公布了：本发明涉及一种高时空分辨率天气雷达波束传播路径反演方法，属于雷达探测领域，以WRF输出的气象要素数据为背景场，结合高频次无线电探空数据，设计了更加精准的时空匹配策略，构建了能够充分挖掘数据局部和全局空间特征的神经网络模型，构建了长短时间特征提取及融合模型，实现了气象要素的不同尺度的时间和空间特征的高效和准确提取，进而设计了输入数据集时间和空间复杂度计算方法，实现了卷积核的自适应优化选择，极大提高了基于3D时空卷积模型输出高时空分辨率气象数据的实时性，引入了大气折射率模型和电磁波传播路径计算模型，实现了高时空分辨率且准确的天气雷达波束传播路径的反演。

本发明授权一种高时空分辨率天气雷达波束传播路径反演方法在权利要求书中公布了：1.一种高时空分辨率天气雷达波束传播路径反演方法，其特征在于：所述方法包括：S1、将收集的数据输入到地理信息处理软件中，根据收集的数据计算得到数据集A，根据数据集A计算空间距离差、空间距离权重值、时间距离差和时间距离权重值，并构建时空距离权重，将时空距离权重的最小值作为筛选条件对数据集A进行筛选，得到时空匹配的WRF大气温度数据、WRF大气湿度数据和WRF大气压强数据；S2、将S1生成的数据组成输入数据集1，将S1收集的高频次无线电探空气象数据作为输出数据集，基于卷积神经网络原始模型构建多尺度卷积神经网络，并最终得到大气温度、大气湿度和大气压强的局部空间特征权重系数，基于小型全连接神经网络模型构建动态权重生成模型，并最终得到大气温度、大气湿度和大气压强的加权融合后的空间特征向量，以及构建由C层1D卷积网络构建的神经网络和构建双向LSTM模型，并最终得到大气温度、大气湿度和大气压强数据的时间特征向量；其中，动态权重生成模型通过在高斯分布序列中进行随机抽样从而生成连接层权重的初始矩阵，设置损失函数为输入与输入数据集的均方差，选择梯度下降策略开展模型性能的迭代优化得到；S3、将S2生成的气象数据加权融合后的空间特征向量和时间特征向量，以及S1生成的数据组成输入数据集2，并计算其综合复杂度，将S1收集的高频次无线电探空气象数据作为输出数据集，引入3D时空卷积网络模型构建大气温度、大气湿度和大气压强的3D时空卷积模型；其中，综合复杂度由时间复杂度和空间复杂度相加得到，另外，根据空间自相关计算公式来计算输入数据集2的空间复杂度，根据时间自相关计算公式来计算输入数据集2的时间复杂度；S4、将S2生成的气象数据加权融合后的空间特征向量和时间特征向量，以及S1生成的数据一起输入到联合模型中，生成的数据分别输入到S3生成的大气温度、大气湿度和大气压强3D时空卷积模型中得到高时空分辨率的大气温度数据、大气湿度数据和大气压强数据；其中，联合模型由反卷积模型和时间超分辨率模型组成；S5、将大气折射率指数和电磁波传播路径两种计算模型进行串联，将S4得到的数据和S1收集的天气雷达地理位置信息和天线运行参数信息数据输入到串联的模型中，实现高时空分辨率天气雷达波束传播路径的准确反演；所述S1中收集的数据包括：收集多个时刻中尺度WRF输出的气象数据和辅助数据，WRF输出的气象数据包括大气温度、大气湿度和大气压强，WRF输出的辅助数据包括气象数据所处的经纬度和高度、时间分辨率、空间分辨率以及数据对应的时间，WRF为天气预报模式；收集多个时刻高频次无线电探空气象数据和辅助数据，高频次无线电探空气象数据包括大气温度、大气湿度和大气压强，高频次无线电探空辅助数据包括数据所处的经纬度和高度、时间分辨率、空间分辨率以及数据对应的时间；收集天气雷达地理位置信息和天线运行参数信息，包括天气雷达站点所在的经度、纬度、海拔高度、天线仰角和天线方位角。

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成都信息工程大学，其通讯地址为：610000 四川省成都市西南航空港经济开发区学府路1段24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”。