申请/专利权人：太原理工大学

申请日：2023-12-13

公开（公告）日：2024-03-22

公开（公告）号：CN117744353A

主分类号：G06F30/20

分类号：G06F30/20;G06F18/2411;G06N3/006

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：本发明涉及强降雨预测方法，具体为一种使用GNSS‑PWV线性与非线性特征的强降雨预测方法，本方法设计了一种基于GNSS‑PWV线性与非线性特征的小时强降雨预测模型，通过对GNSS信号进行反演得到PWV时间序列，并对PWV时间序列提取GNSS‑PWV的线性特征与非线性特征，所述的线性特征包括PWV值、PWV增长量、PWV增长速率、PWV减少量和PWV减少速率，非线性特征包括样本熵和排列熵，再融合气压、温度、湿度气象数据，构建特征空间，使用粒子群优化后的支持向量机PSO‑SVM来预测下一时段强降雨事件是否发生。

主权项：1.一种基于GNSS-PWV线性与非线性特征的强降雨预测方法，其特征在于：通过对GNSS信号进行反演得到PWV时间序列，并对PWV时间序列提取GNSS-PWV的线性特征与非线性特征，所述的线性特征包括PWV值、PWV增长量、PWV增长速率、PWV减少量和PWV减少速率，非线性特征包括样本熵和排列熵，再融合气压、温度、湿度气象数据，构建特征空间，使用粒子群优化后的支持向量机PSO-SVM来预测下一时段强降雨事件是否发生。

全文数据：

权利要求：

百度查询： 太原理工大学 一种基于GNSS-PWV线性与非线性特征的强降雨预测方法

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