申请/专利权人：国家卫星海洋应用中心

申请日：2023-12-12

公开（公告）日：2024-03-22

公开（公告）号：CN117390593B

主分类号：G06F18/27

分类号：G06F18/27;G01D21/02;G06F18/22;G06F18/214;G06F18/21;G06N3/0499;G06N3/084;G06N3/048;G06N3/045;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明公开一种基于辐射计数据的海表参量确定方法以及设备，涉及海表参量确定技术领域，用于解决现有技术中海表参量反演过程依赖辐射传输正向模型和海表参量先验信息，以及统计回归反演算法拟合能力弱的问题。包括：确定辐射计训练数据，并对辐射计训练数据进行网格化处理，得到网格化辐射计数据；对网格化辐射计数据以及标准化的海表参量数据进行数据匹配，得到匹配数据集；基于匹配数据集，确定训练数据集、测试数据集以及验证数据集；基于训练数据集和测试数据集进行深度学习网络模型的训练，确定海表参量估算模型，并基于验证数据集，对海表参量估算模型进行验证；基于辐射计的原始测量数据以及海表参量估算模型，确定对应的海表参量。

主权项：1.一种基于辐射计数据的海表参量确定方法，其特征在于，所述方法包括以下步骤：确定辐射计训练数据，并对所述辐射计训练数据进行网格化处理，得到网格化辐射计数据；其中，所述辐射计训练数据为利用辐射计测量的原始电压数据；对所述网格化辐射计数据以及标准化的海表参量数据进行数据匹配，得到匹配数据集；基于所述匹配数据集，确定训练数据集、测试数据集以及验证数据集；基于所述训练数据集和所述测试数据集进行深度学习网络模型的训练，确定海表参量估算模型，并基于验证数据集，对所述海表参量估算模型进行验证；基于所述辐射计的原始测量数据以及所述海表参量估算模型，确定对应的海表参量；所述基于所述训练数据集和所述测试数据集进行深度学习网络模型的训练，确定海表参量估算模型包括：S1，将输入特征参数数据集输入到确定的所述深度学习网络模型中，获得第一损失函数值；其中，所述输入特征参数数据集包括利用辐射计测量的原始电压数据；S2，打乱所述输入特征参数数据集中第j个特征参数的数据顺序，其余特征参数数据保持不变，并生成输入特征参数数据集；S3，将所述输入特征参数数据集输入到所述深度学习网络模型中，获得第二损失函数值，比较所述第一损失函数值和所述第二损失函数值，并得到；S4，依次对所述输入特征参数数据集中的每个特征参数执行步骤S2-S3，获得，N表示特征参数的总数量；S5，将进行排序，并标记的特征参数；S6，去除所述输入特征参数数据集中标记的特征参数，并将去除了标记的特征参数的输入特征参数数据集输入至所述深度学习网络模型中进行训练，得到海表参量估算模型。

全文数据：

权利要求：

百度查询： 国家卫星海洋应用中心 一种基于辐射计数据的海表参量确定方法以及设备

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