龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国科学技术大学
摘要：本发明公开了一种全时段大气污染物的重构方法、装置、计算机设备和存储介质，包括获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；构建包含特征提取单元和重构单元的多模态重构模型；利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数；利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。该方法通过考虑多模态信息综合预测全时段的三维大气污染物浓度，以提高预测准确性。
主权项：1.一种全时段三维大气污染物的重构方法，其特征在于，包括以下步骤：获取依据观测区域的超光谱遥感数据反演得到的大气污染物浓度分布，获取观测区域内大气污染物浓度的多源相关信息，其中，多源相关信息包括气象信息、交通信息、地形信息，以多源相关信息经预处理后作为样本，以大气污染物浓度分布作为样本标签；构建包含特征提取单元和重构单元的多模态重构模型，其中，特征提取单元包含多个特征提取模块，每个特征提取模块对应提取样本中每类相关信息的特征向量，具体每个特征提取模块包括多个卷积层和池化层的交替结构，按照数据流顺序，卷积层的卷积核尺寸依次减小，且通道数也依次较小，实现特征提取和异化特征，得到特征向量；重构单元对所有相关信息的特征向量进行融合运算以重构大气污染物浓度分布，具体重构单元采用多个全连接层，对输入的特征向量进行全连接操作，以重构生成重构大气污染物浓度分布；利用样本和样本标签对多模态重构模型进行监督学习，以优化多模态重构模型参数，在监督学习时，以多模态重构模型输出的大气污染物浓度分布的重构预测结果与作为标签的超光谱遥感数据反演得到的大气污染物浓度分布的差值作为损失函数来反馈回卷积神经网络，以对卷积神经网络的参数进行优化，最后根据批处理参数的大小选择对应数量的样本进行下一次迭代中对网络节点权值结构的优化；利用参数优化的多模态重构模型进行全时段三维大气污染物分布的重构。
全文数据：
权利要求：
百度查询： 中国科学技术大学 全时段三维大气污染物的重构方法、装置、计算机设备和存储介质
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