申请/专利权人:南京气象科技创新研究院
申请日:2024-05-24
公开(公告)日:2024-06-25
公开(公告)号:CN118243683A
主分类号:G01N21/84
分类号:G01N21/84;G01W1/14;G06N3/048;G06N3/0499;G06N3/082;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明涉及气象探测技术领域。具体是基于神经网络的一维激光雨滴谱仪观测订正方法,主要包括步骤:收集一维激光雨滴谱仪和二维视频雨滴谱仪历史观测数据,并对收集的数据进行质量控制,形成数据集;采用tensorflow框架中预设的DNNRegressor建立深度学习模型,以S100形成的数据集进行训练,获得训练好的一维激光雨滴谱仪订正模型;将新获取的一维激光雨滴谱仪观测数据,输入一维激光雨滴谱仪订正模型,获取订正后的一维激光雨滴谱仪雨滴谱数据。本发明能够明显改进PARSIVEL数据订正效果,获取更准确的雨滴谱分布数据,提高其定量应用价值。
主权项:1.一种基于神经网络的一维激光雨滴谱仪观测订正方法,其特征在于,包括如下步骤:S100、收集一维激光雨滴谱仪和二维视频雨滴谱仪历史观测数据,并对收集的数据进行质量控制,形成数据集;S200、采用tensorflow框架中预设的DNNRegressor建立深度学习模型,以S100形成的数据集进行训练,获得训练好的一维激光雨滴谱仪订正模型;S300、将新获取的一维激光雨滴谱仪观测数据,输入一维激光雨滴谱仪订正模型,获取订正后的一维激光雨滴谱仪雨滴谱数据。
全文数据:
权利要求:
百度查询: 南京气象科技创新研究院 基于神经网络的一维激光雨滴谱仪观测订正方法
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。