申请/专利权人：宁波大学

申请日：2023-09-18

公开（公告）日：2024-06-28

公开（公告）号：CN117216480B

主分类号：G06F18/10

分类号：G06F18/10;G06N3/0464;G06N3/0499;G06N3/0985;G06F18/213;G06F16/29;G01N33/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明涉及一种深度耦合地理时空信息的近地表臭氧遥感估算方法，包括：获取研究区的多源数据并进行预处理；对预处理后的多源数据进行时空匹配，并构建时空样本数据集；构建耦合地理时空信息的深度学习模型；利用时空样本数据集对所述深度学习模型进行训练，优化确定模型超参数，验证模型的总体精度与时空稳健性；利用训练好的模型进行近地表臭氧浓度的大尺度遥感估算。本发明的有益效果是：本发明在估算近地表臭氧时深度耦合了地理时空信息，提升了遥感估算模型的精度和时空稳健性，具有重要的实际应用价值。

主权项：1.一种深度耦合地理时空信息的近地表臭氧遥感估算方法，其特征在于，包括：步骤1、获取研究区的多源数据，并对所述多源数据进行预处理；步骤2、对预处理后的多源数据进行时空匹配，并构建时空样本数据集；步骤3、构建耦合地理时空信息的深度学习模型，所述深度学习模型包括地理空间信息编码网络、地理时序信息编码网络和地理时空特征解码网络；步骤3中，所述地理空间信息编码网络包括：1×1的卷积层，用于对输入数据映射至高维特征空间；1×1卷积核的残差模块，用于提取特征间的耦合关系并增加非线性表达；3×3卷积核的残差模块，用于深度提取特征的局部地理空间依赖关系；7×7的全局卷积层，用于识别特征的全局地理空间依赖关系；地理空间信息编码网络的结构计算公式为：FS＝Conv_7ResBlock_3ResBlock_1Conv_1x上式中，FS为提取的地理空间特征，x为输入的三维时空变量，Conv_1与Conv_7分别代表卷积核大小为1×1和7×7的卷积层，ResBlock_1与ResBlock_3分别代表卷积核大小为1×1和3×3的残差模块；残差模块计算公式表示如下：x′＝ReLUx+BNConv_iReLUBNConv_ix上式中，x’为残差模块输出结果，x为输入数据，Conv_i代表卷积核大小为i×i的卷积层，ReLU与BN分别代表线性整流函数与批归一化层；步骤3中，所述时序信息编码网络为改进的Transformer网络，包括：位置编码模块，用于对提取的地理空间信息特征赋予网络能够识别的时序信息；多头自注意力模块，用于提取影响近地表臭氧浓度估算的时序特征；前馈网络，用于进一步凝练时空特征；时序信息编码网络的结构计算公式为：FST＝FFNMultiheadPosFS上式中，FST为提取的地理时空特征，FS为地理空间信息编码网络提取得到的地理空间特征，Pos代表位置编码模块，Multihead代表多头自注意力模块，FFN代表前馈网络；步骤3中，位置编码模块计算公式表示如下： 上式中，p代表第p个时间点，i代表第i个特征，c为总特征数；多头自注意力模块计算公式表示如下：MAQ,K,V＝Concathead1,…,headhWO 式中，FS′为位置编码后的地理空间特征，和分别代表第i个自注意力头的QueryQ、KeyK和ValueV的权重，Softmax为归一化指数函数，h为多头自注意力个数，WO为输出层的权重，Concat代表连接函数，MA为多头自注意力结果；FFN计算公式表示如下：FST＝LNLNx+FCReLUFCLNMA上式中，LN代表层归一化操作，FC代表全连接层；步骤3中，所述地理时空特征解码网络包括：连接模块，用于将由地理空间信息编码网络和时序信息编码网络共同提取的地理时空特征与一维哑变量Dummy连接，以获取更多的地理时空特征；包含数个全连接层与ReLU函数的深度神经网络DNN，用于进行特征非线性转换解码，最终实现近地表臭氧浓度估算；整个结构计算公式表示如下：O3＝DNNConcatFST,Dummy其中DNN表示如下： 上式中，Yil代表第l层的第i个神经元，kl代表第l层总神经元个数，Wji和bji分别代表神经元Yil和间的权重和残差，L为总的层数；步骤4、利用所述时空样本数据集对所述深度学习模型进行训练，优化确定模型超参数，验证模型的总体精度与时空稳健性；步骤5、利用训练好的模型进行近地表臭氧浓度的大尺度遥感估算。

全文数据：

权利要求：

百度查询： 宁波大学 一种深度耦合地理时空信息的近地表臭氧遥感估算方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD