申请/专利权人:南京信息工程大学
申请日:2024-03-22
公开(公告)日:2024-04-30
公开(公告)号:CN117951485A
主分类号:G06F18/20
分类号:G06F18/20;G06N3/0464;G06N3/08;G06F18/213
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种基于深度学习的温度廓线反演方法,包括:1、采集GIIRS长波通道亮温数据、探空观测数据和ERA5温度廓线数据,并调整数据在时空上的匹配;2、构建深度学习训练样本,并对深度学习训练样本中的数值进行归一化处理;3、构建温度廓线反演模型,设定损失函数,对温度廓线反演模型进行训练,得到训练完成的温度廓线反演模型。本发明结合静止卫星红外高光谱亮温资料高时空和垂直分辨率的特点利用先验得通道信息构建通道注意力机制引导反演模型特征提取,通过先验物理信息的嵌入引导模型的反演结果更加符合物理规律,采用深度残差网络深度挖掘红外高光谱亮温数据与大气温度廓线之间的非线性关系,提高反演温度廓线的精度。
主权项:1.一种基于深度学习的温度廓线反演方法,其特征在于,包括如下步骤:步骤1、采集GIIRS长波通道亮温数据、探空观测数据和ERA5温度廓线数据,并调整数据在时空上的匹配,得到调整后的数据;步骤2、基于调整后的数据,构建深度学习训练样本,对探空观测数据进行线性内插处理,将1~1000hpa气压层缺测数据使用ERA5温度廓线数据代替,并对深度学习训练样本中的数值进行归一化处理;步骤3、基于深度学习训练样本,构建温度廓线反演模型,以GIIRS长波通道亮温数据作为输入,温度廓线数据作为输出,设定损失函数,对温度廓线反演模型进行训练,得到训练完成的温度廓线反演模型。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于深度学习的温度廓线反演方法
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。