龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京大学
申请日：2024-05-21
公开（公告）日：2024-06-18
公开（公告）号：CN118211497A
主分类号：G06F30/27
分类号：G06F30/27;G06N20/20
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种基于天空红外图像和气象数据的云底高度反演方法，该方法首先获取标准云底高度数据，筛除异常值；再获取与处理后标准云底高度数据集时间同步的天空红外遥感图像，并提取其灰度值的统计学特征，特征提取过程中，除灰度平均值之外还充分扩展提取了灰度值的多种统计学特征，并根据互信息值对其进行筛选，与四种气象数据特征结合后输入随机森林模型反演云底高度。由于对红外图像特征进行了扩展提取，以及随机森林算法在高维离散数据集处理上的优越性与鲁棒性，本方法能够精准地反演云底高度。
主权项：1.一种基于天空红外图像和气象数据的云底高度反演方法，其特征在于，该方法包括如下步骤：S1.首先获取标准云底高度数据，筛除异常值；再获取与处理后标准云底高度数据集时间同步的天空红外遥感图像，并提取其灰度值的统计学特征，对于提取的灰度值的各项统计学特征依照其与标准云底高度数据的互信息大小进行相关性排序，并将部分相关性低的特征进行剔除，剩余特征作为天空红外图像输入特征；从气象数据中选择与处理后标准云底高度数据集时间同步的瞬时辐射量、空气温度、空气湿度与气压四项指标作为气象数据输入特征；S2.将天空红外图像特征、气象数据特征合并为输入特征，再与标准云底高度数据拼接为总数据集，并将得到的总数据集分为训练集和测试集；S3.构建随机森林模型，并采用步骤S2获得的训练集对模型进行训练；S4.采用随机参数搜索优化，从设定好的随机森林模型超参数范围中随机采样一组超参数独立进行五次模型训练，取五次输出结果的平均绝对误差MAE的均值来评估在该参数组合下的模型性能；再在超参数空间中进行多次采样，通过比较来确定最优超参数组合；S5.在确定最优的超参数组合后，基于该超参数组合与测试集的输入数据进行云底高度反演，得到模型的最终输出结果。
全文数据：
权利要求：
百度查询： 南京大学 一种基于天空红外图像和气象数据的云底高度反演方法
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