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：南京气象科技创新研究院

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；具体包括：S101、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；S102、剔除所述历史观测数据中降落速度过快或过慢的雨滴样本；雨滴下落末速度满足与雨滴直径的实验室测量关系：vlab＝-0.1021+4.932D-0.9551D2+0.07934D3-0.002362D4；式中vlab为雨滴下落标准末速度，D为雨滴直径；当测量下落末速度1.4vlab定义为降落速度过快，下落末速度0.6vlab定义为降落速度过慢；S103、将二维视频雨滴谱仪历史观测数据重新计算，划分为与一维激光雨滴谱仪相对应的分档；S104、两种数据合并形成用于模型训练的数据集；在两种数据合并后，根据降水率将样本分成6类，分成[0,0.1、[0.1,0.25、[0.25,0.5、[0.5,1、[1,2、[2,200]，从6类样本中随机抽取70％组成训练集，30％组成测试集；S200、采用tensorflow框架中预设的DNNRegressor建立深度学习模型，其结构包含4个隐藏层，各层的节点数分别为256、128、64及32，采用relu激活函数，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