申请/专利权人：江西省气象科学研究所

申请日：2024-04-29

公开（公告）日：2024-06-28

公开（公告）号：CN118091666B

主分类号：G01S13/95

分类号：G01S13/95;G01S7/40

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本申请公开了一种深度学习风廓线雷达全波束的三维风场反演方法及系统，该方法包括：对获取的风廓线雷达原始数据进行解码和反演以得到三维风场初始信息，再进行时间一致性平均化处理；将历史风场观测资料和风廓线雷达原始数据进行匹配和标准化处理以形成观测格点，并且引入地形数据作为特征，以构建训练数据集；根据改进的深度神经网络CU‑NetPro构建基于深度学习的三维风场反演模型，使用训练数据集对该模型进行优化训练；将待订正的风廓线雷达三维反演风数据进行标准化和时间匹配后输入该模型中反解出三维反演风的订正值。本方法能够提高三维反演风的订正值的计算准确性，以及提高三维风场的探测质量。

主权项：1.一种深度学习风廓线雷达全波束的三维风场反演方法，其特征在于，所述方法包括：获取历史风场观测资料和风廓线雷达原始数据；从所述风廓线雷达原始数据解码出东、南、西、北、中方向波束，以得到三维风场初始信息，再对所述三维风场初始信息进行时间一致性平均化处理；将所述历史风场观测资料和所述风廓线雷达原始数据视为三维站点数据，将所述三维站点数据用插值的方法匹配到观测格点内，并且引入地形数据作为特征，以构建训练数据集，具体包括：以风廓线雷达站所在位置为中心点，划定预设区域范围作为选取数据订正的范围，在所述预设区域范围内划分预设尺寸的观测格点；根据最近邻插值方法将所述预设区域范围内的自动气象站插值到所述观测格点上，设定反演风输出的三维站点风速订正数据坐标为0,0，自动气象站插值后的位置记为x,y，再以所述三维站点为中心向北、向西、向南、向东选取预设格点数量；利用公式分别对所述历史风场观测资料和所述风廓线雷达原始数据进行标准化处理，使其在-1至1之间变化，其中表示i站点处k时刻的反演风数据或观测风数据的原始值，表示i站点处k时刻的反演风数据或观测风数据的标准化值，表示i站点处k时刻的风数据的最大值，表示i站点处k时刻的风数据的最小值；再将前一天同一时刻的订正时刻观测的地形数据误差作为第一特征H1，将当前时刻的订正时刻所对应的观测的地形数据误差作为第二特征H2，根据算法标签将所述第一特征H1和所述第二特征H2对应至所述观测格点内；根据改进的深度神经网络CU-NetPro构建基于深度学习的三维风场反演模型，并使用训练数据集对所述基于深度学习的三维风场反演模型进行优化训练，所述改进的深度神经网络CU-NetPro由多个不同深度的CU-Net子网络融合而成，以使深度神经网络学习到三维风场的非线性特征，并且在所述改进的深度神经网络CU-NetPro中引入了跳跃连接，以使深度神经网络学习到三维风场的深浅层特征；将待订正的风廓线雷达三维反演风数据进行标准化和时间匹配后输入所述基于深度学习的三维风场反演模型中进行反解，最终得到所述三维反演风的订正值，具体包括：利用公式反解得到待订正的三维反演风的原始值，再根据待订正的三维反演风的标准化值和原始值得到所述三维反演风的订正值。

全文数据：

权利要求：

百度查询： 江西省气象科学研究所 深度学习风廓线雷达全波束的三维风场反演方法及系统

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