申请/专利权人：河海大学

申请日：2022-11-24

公开（公告）日：2024-03-22

公开（公告）号：CN115796351B

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：有效-授权

法律状态：2024.03.22#授权;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；预先训练K个LSTM网络预测模型，包括：获取样本数据集，包括降雨前的晴天无雨微波衰减信号和降雨期间每隔相同时段获取的连续若干微波衰减信号，并对获取的数据样本进行预处理；将预处理后的晴天无雨微波衰减信号和降雨期间每个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；将降雨期间每个微波衰减信号分解得到的K个模态分量分别与晴天无雨微波衰减信号分解得到的K个模态分量中同中心频率的模态进行对应相减，得到若干组更新后的K个模态分量；对若干组更新后的K个模态分量进行归一化处理后将其分为训练集和测试集；构建K个LSTM网络预测模型，将归一化处理后的K个模态分量作为K个LSTM网络预测模型的并行输入，下一时段的K个模态衰减分量作为K个LSTM网络预测模型的输出，利用训练集对K个LSTM网络预测模型进行训练，并利用测试集进行测试，获得最终的K个LSTM网络预测模型。

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。

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