申请/专利权人:河海大学
申请日:2022-11-24
公开(公告)日:2023-03-14
公开(公告)号:CN115796351A
主分类号:G06Q10/04
分类号:G06Q10/04;G01W1/10;G06Q50/26;G06F18/213;G06F18/10;G06N3/0442;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:本发明公开了一种基于变分模态分解和微波衰减的降雨短临预测方法及装置。获取晴天无雨微波衰减信号和降雨期间微波衰减信号;将两个信号分别分解为K个模态分量;对两类信号分解得到的K个模态分量中同中心频率的模态分别进行对应相减,得到更新后的K个模态分量并对其进行归一化处理;将处理后的K个模态分量并行输入预先训练获得的K个LSTM网络预测模型,预测输出下一时段的K个模态衰减分量;将K个模态衰减分量重构并进行反归一化处理,得到下一时段的微波信号衰减量,由微波信号衰减量预测得到下一时段降雨强度。本发明通过变分模态分解和微波衰减模型实现了低成本、高时空分辨率的短临降雨预测。
主权项:1.一种基于变分模态分解和微波衰减的降雨短临预测方法,其特征在于,包括:获取晴天无雨微波衰减信号和降雨期间微波衰减信号;将晴天无雨微波衰减信号和降雨期间微波衰减信号分别分解为K个模态分量,使K个模态分量满足具有中心频率的有限带宽,且各模态分量的估计带宽之和最小;其中K为正整数;对两类信号分解得到的K个模态分量中同中心频率的模态分别进行对应相减,得到更新后的K个模态分量并对其进行归一化处理;将归一化处理后的K个模态分量并行输入预先训练获得的K个LSTM网络预测模型,预测输出下一时段的K个模态衰减分量;将K个模态衰减分量重构并进行反归一化处理,得到下一时段的微波信号衰减量,基于所述微波信号衰减量,利用ITU-R模型预测得到下一时段降雨强度。
全文数据:
权利要求:
百度查询: 河海大学 基于变分模态分解和微波衰减的降雨短临预测方法及装置
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。