申请/专利权人：北京工商大学

申请日：2023-12-28

公开（公告）日：2024-04-09

公开（公告）号：CN117852639A

主分类号：G06N5/025

分类号：G06N5/025;G06N3/042;G06N3/045;G06N3/0464;G06N3/09;G06F18/25;G06F18/27;G01W1/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于克里金图卷积网络的多源数据降水量预估方法，涉及地理信息科学领域，所述方法包括：获取遥感数据和气象站点实测数据的降水量平均值，将平均值的对数值作为回归任务的目标值，得到降水量的对数正态分布，并预测得到随机生成的未知位置的气象站点；估算部分未知位置上的降水，形成部分估计数据和气象站点实际观测数据分别作为输入克里金图卷积方法的软数据和硬数据，生成降水分布的空间图。本发明有效地结合了图卷积神经网络的空间特征学习能力和地质统计学中的克里金插值方法，通过有效地学习数据之间的空间相关性，从而实现高质量的图像重建和空间数据预测，以提供高精度的降水量和时空分布预测。

主权项：1.一种基于克里金图卷积网络的多源数据降水量预估方法，其特征在于，该方法步骤如下：步骤1、根据获取的遥感数据和气象站点实测数据的降水量筛选出时间和空间分辨率一致性的数据，通过遥感数据反演，从每个数据源中提取降水强度和降水类型；对获取到的降水数据去除异常值和填充缺失值，确保数据的时间和空间插值在相同的空间范围内；步骤2、从步骤1处理后的数据中选择自变量，将降水量作为因变量，将选定的降水强度和降水类型分别与降水量之间的关系表示为一个多元线性回归模型，对其进行拟合，估计回归系数的值和多元线性回归模型拟合的质量；以实际气象观测站点的空间位置为条件，随机生成一组软数据位置；这些位置与观测站点在研究区内的分布情况相符，对每个软数据位置，获取实际气象观测站点处的降雨观测数据，并确保软数据位置与观测站点的位置匹配；将遥感数据中的特征输入拟合好的多元线性回归模型，生成估计的降水量；步骤3、基于克里金图卷积网络的方法与遥感反演中的多因子统计法结合，将多元线性回归模型生成的软数据输入到克里金图卷积网络中，通过卷积核的空间感知能力和克里金插值的时空关联性建模，生成降水分布的空间图。

全文数据：

权利要求：

百度查询： 北京工商大学 一种基于克里金图卷积网络的多源数据降水量预估方法

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