申请/专利权人：浙江工业大学

申请日：2023-10-19

公开（公告）日：2024-04-16

公开（公告）号：CN117893406A

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06N3/0475;G06N3/045;G06N3/0455;G06N3/0464;G06N3/048;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及深度学习技术领域，具体涉及一种高分辨率气象时变体数据SSR‑DoubleUNetGAN模型的生成方法，包括步骤：A、获取三个不同时间步的原始高分辨率数据，并得到对应的三个不同时间步的原始低分辨率数据；B、输入至生成器进行处理，以得到三个不同时间步的生成高分辨率数据；C、输入三个不同时间步的原始数据和生成数据至空间和时间鉴别器，以得到空间鉴别结果和时间鉴别结果，即数值矩阵；D、基于鉴别结果，分别计算损失函数；E、基于计算得到的损失函数值进行参数优化，并在优化后返回执行步骤A，直至得到训练好的模型，本发明方法将输入的任意低分辨率气象时变体数据处理为对应的高分辨率气象时变体数据，并保持与原始气象时变体数据的高时间相干性。

主权项：1.一种基于双UNet网络的气象时变体数据的超分辨率合成方法，其特征在于，包括步骤：A、在训练集中获取三个连续时间步的真实的高分辨率体数据，并对其进行处理以得到对应的三个连续时间步的真实的裁剪后的低分辨率体数据；B、对三个连续时间步的真实的裁剪后的低分辨率体数据进行通道拼接并输入至生成器进行处理，以得到三个连续时间步的假的裁剪后的高分辨率体数据；C、输入三个连续时间步的真实的裁剪后的高分辨率体数据和假的裁剪后的高分辨率体数据至空间鉴别器进行处理，以得到空间鉴别结果；输入三个连续时间步的真实的裁剪后的高分辨率体数据和假的裁剪后的高分辨率体数据至时间鉴别器进行处理，以得到时间鉴别结果，所述空间鉴别结果、时间鉴别结果均为数值矩阵；D、基于空间鉴别结果和时间鉴别结果，分别计算生成器、空间鉴别器和时间鉴别器的损失函数；E、基于计算得到的损失函数值对生成器、空间鉴别器和时间鉴别器进行参数优化，并在优化后返回执行步骤A，直至生成器、空间鉴别器和时间鉴别器的损失函数收敛至预设值，以得到包含训练好的生成器、空间鉴别器和时间鉴别器的模型，利用该模型进行气象时变体数据的超分辨率合成。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于双UNet网络的气象时变体数据的超分辨率合成方法

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