申请/专利权人：成都师范学院

申请日：2024-01-09

公开（公告）日：2024-03-29

公开（公告）号：CN117555049B

主分类号：G01W1/10

分类号：G01W1/10;G01S13/95;G01R29/08;G06V10/44;G06V10/75;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明涉及数据深度学习技术领域，具体涉及基于时空注意力门控融合网络的闪电临近预报方法及装置，包括步骤：A.获取反射率图像样本、闪电密度图像样本和闪电标签；B.基于所述反射率图像样本、闪电密度图像样本以及闪电标签训练时空注意力门控融合网络，所述时空注意力门控融合网络的基本框架采用U‑Net网络的U型编码和解码结构；C.获取当前的多普勒雷达组合反射率图像产品及闪电观测数据，将处理后的反射率图像样本及闪电密度图像样本输入训练完毕的时空注意力门控融合网络，进行闪电临近预报，极大地保留了图像的上下文信息；为了提取更多的空间信息，对各个支路和主通道均采用空间注意力模块以实现对闪电区域的自动识别并高权值响应。

主权项：1.基于时空注意力门控融合网络的闪电临近预报方法，其特征在于，包括步骤：A.获取同一地点历年的多普勒雷达组合反射率图像，将每半小时内的5张多普勒雷达组合反射率图像组合成一个反射率图像样本；获取历年闪电观测数据，以0时为时间起点，6分钟为时间间隔，将连续时间的闪电观测数据进行时间聚合处理，并将时间聚合后的闪电观测数据映射到指定分辨率的网格中，对网格中的内容进行标记，完成空间聚合，得到时间和空间聚合处理后的闪电密度图像，以每半小时空间聚合后的5张闪电密度图像为一个闪电密度图像样本；基于历年闪电观测数据构建空间聚合处理后的闪电标签，所述基于历年闪电观测数据构建时空聚合处理后的闪电标签，包括：获取历年闪电观测数据，将连续时间的闪电观测数据以每半小时为时间起点，每60分钟为间隔，进行时间聚合处理，将时间聚合后的闪电观测数据映射到指定分辨率的网格中，进行空间聚合，根据在聚合时间内同一网格内是否有闪电进行区别标注，得到时空聚合处理后的闪电标签，每个时间起点的间隔时间跨度与反射率图像样本一致；B.基于所述反射率图像样本、闪电密度图像样本以及闪电标签训练时空注意力门控融合网络；所述时空注意力门控融合网络的基本框架采用U-Net网络的U型编码和解码结构，在编码过程中，同时处理两条支路和一条主路，主路和每条支路自上而下均包括4级，每一级都有输出，其中，两条支路分别提取反射率图像样本和闪电密度图像样本的特征，两条支路的每一级先进行编码操作，再采用空间注意力模块自动识别闪电区域；主路对两条支路提取的特征进行融合，主路部分首先对两条支路空间注意力模块的输出进行融合，然后，将支路融合后的输出与上一级主路的输出进行注意力门控融合，再进行U-Net网络当前层的编码操作，再对编码后提取的特征采用空间注意力模块作为主路当前级的输出给主路的下一级；解码过程跳跃连接中使用的编码输出特征为编码部分主路中每一级注意力门控融合后再通过2次卷积和ReLU组合操作后输出的特征；所述时空注意力门控融合网络编码部分中对两条支路空间注意力机制模块的输出进行融合，包括：对两条支路空间注意力模块的输出进行加权求和，两部分权重系数之和等于1，并且权重系数可以训练和进行梯度反传；所述时空注意力门控融合网络编码部分中的注意力门控融合，包括融合模块加权求和后的输出做卷积核为1*1*1的卷积，对主路上一级的输出做卷积核为1*1*1的卷积，将两个卷积结果相加，再进行ReLU操作，再做输出通道为1卷积核为1*1*1的卷积，然后通过Sigmoid操作，将Sigmoid后的输出与融合模块加权求和后的输出进行点积操作后作为注意力门控融合模块的输出；C.获取当前的多普勒雷达组合反射率图像及闪电观测数据，将处理后的反射率图像样本及闪电密度图像样本输入训练完毕的时空注意力门控融合网络，进行闪电临近预报。

全文数据：

权利要求：

百度查询： 成都师范学院 基于时空注意力门控融合网络的闪电临近预报方法及装置

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