申请/专利权人：水利部南京水利水文自动化研究所

申请日：2023-12-15

公开（公告）日：2024-03-22

公开（公告）号：CN117741829A

主分类号：G01W1/14

分类号：G01W1/14;G06N3/0442;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了一种基于称重式雨量计的地面0高度雨量精准获取方法及系统，空间布置四组共8台相同型号、规格和批次的雨量计，同时配置视频和风速两种环境量监测传感器组成监测系统。利用系统实测数据训练轻量化深度神经网络模型获得外界影响和时间对雨量计测值影响的补偿模型，并通过模型泛化获得每组其中一台仪器承雨口封闭后的实测空间4测点降雨修正，在此基础上再建立深度学习模型从而获得地面精准降雨。本发明方案能够有效克服地面振动、风激振动、时漂、温漂以及仪器承雨口高出地面不能准确获取地面0高度降水问题，实现了抗扰动地面降雨全要素智能监测。

主权项：1.称重式雨量计的地面0高度雨量精准获取方法，其特征在于，包括如下步骤：步骤一，选择四组合适的同型号同规格称重式雨量计，每组雨量计数量为2台；步骤二，将各组称重式雨量计分别安装在不同高度位置，同组称重式雨量计安装高度相同位置靠近；步骤三，测试称重式雨量计，确保其处于正常稳定工作状态，当称重式雨量计不正常工作时及时更换；步骤四，进行一段时间的雨量测量，获取相关数据如下：MIJ＝RIJ+EIJ+LIJ其中MIJ为仪器直接读取的含误差的降雨测值，RIJ为降雨量真实值，EIJ为外界激励振动、对测值的影响，L为仪器本身时间和温度对测值漂移；I为每组称重式雨量计编号，I＝1,2；J为组编号；步骤五，利用视频、风速传感器和温度传感器，引入环境自身干扰监测数据，建立误差预测补偿模型：由于同组仪器R和E相同，将同一组两台仪器测值MIJ相减得到L1J-L2J；将L1J-L2J作为监督输出的样本，将视频处理后的信号、风速、降雨测值MIJ、温度和时间作为输入，同时考虑测值的空间位置的三维坐标，训练三维卷积－长短时记忆网络深度学习神经网络，获得补偿L1J-L2J的误差预测补偿模型；步骤六，盖住每组两台称重式雨量计中其中一个雨量计的承雨口，全部称重式雨量计继续同步测量；步骤七，建立空间降雨量分布预测模型，在此基础上获得地面0高度降雨量：将空间降雨量分布预测模型输出设置为各高度对应的降雨RIJ，输入设置为承雨口高度hJ、风速和M'IJ，训练三维卷积－长短时记忆网络深度学习神经网络，其中三维卷积对应的三维为各雨量计承雨口的空间三维坐标,设同一高度上的承雨口封闭的雨量计编号为1，另一台雨量计编号2，则同一高度上同组两台雨量计测值其中M'IJ为：M'1J＝0+E1J'+L1J′M'2J＝R+E2J′+L2J'由于同组雨量计由于环境相同，因此振动导致的E'1J＝E2J'，则同组两台雨量计测值相减后得到:M′1J-M′2J＝-R+1′1J-L′2J从而得到R＝-M'1J-M'2J+L'1J-L'2J；其中L'1J-L'2J通过步骤五中的误差预测补偿模型利用当前输入变量值预测得到；步骤八，根据空间分布模型得到精准的雨量监测数据。

全文数据：

权利要求：

百度查询： 水利部南京水利水文自动化研究所 称重式雨量计的地面0高度雨量精准获取方法及系统

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