[發明專利]一種基于T-S模型的FNN降水粒子相態識別方法有效
| 申請號: | 201710811701.7 | 申請日: | 2017-09-11 |
| 公開(公告)號: | CN107607954B | 公開(公告)日: | 2020-04-24 |
| 發明(設計)人: | 李海;任嘉偉;邵海洲;李怡靜 | 申請(專利權)人: | 中國民航大學 |
| 主分類號: | G01S13/95 | 分類號: | G01S13/95;G06N5/04;G06N3/08;G06K9/62 |
| 代理公司: | 天津才智專利商標代理有限公司 12108 | 代理人: | 龐學欣 |
| 地址: | 300300 天*** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 模型 fnn 降水 粒子 相態 識別 方法 | ||
1.一種基于T-S模型的FNN降水粒子相態識別方法,其特征在于:所述的方法包括按順序進行的下列步驟:
1)建立FNN模型前件網絡,以雙線偏振氣象雷達的各項偏振參量數據作為FNN模型前件網絡的輸入值,計算連接權值的S1階段;
2)建立FNN模型后件網絡,根據T-S模型,利用步驟1)獲得的連接權值計算模糊推理結果的S2階段;
3)建立FNN模型反饋網絡,利用步驟2)獲得的模糊推理結果,自適應更新步驟1)中建立的FNN模型前件網絡中隸屬函數參數的S3階段;在反饋網絡中,首先對步驟2)中得到的模糊推理結果進行退模糊處理,得到降水粒子相態聚類中心值,然后與聚類中心的期望值進行比較得到誤差,最后根據誤差負反饋原理返回步驟1)中建立的前件網絡的模糊化層,自適應地更新各偏振參量對應不同降水粒子相態的隸屬函數參數;
4)利用實測數據對步驟1)、步驟2)、步驟3)中建立的前件網絡、后件網絡和反饋網絡進行訓練,最后運用訓練得到的FNN進行降水粒子相態識別的S4階段。
2.根據權利要求1所述的基于T-S模型的FNN降水粒子相態識別方法,其特征在于:在步驟1)中,所述的建立FNN模型前件網絡,以雙線偏振氣象雷達的各項偏振參量數據作為FNN模型前件網絡的輸入值,計算連接權值的方法是:所述的前件網絡包括輸入層和隱含層,首先雙線偏振氣象雷達的各項偏振參量數據從輸入層進入前件網絡,然后在隱含層經過模糊化處理,計算出每項偏振參量對應不同降水粒子相態的初始化隸屬函數,最后利用初始化隸屬函數經過規則計算和歸一化后得到連接權值。
3.根據權利要求1所述的基于T-S模型的FNN降水粒子相態識別方法,其特征在于:在步驟2)中,所述的建立FNN模型后件網絡,根據T-S模型,利用步驟1)獲得的連接權值計算模糊推理結果的方法是:所述的后件網絡包括輸入層、隱含層和輸出層,首先雙線偏振氣象雷達的各項偏振參量數據從輸入層進入后件網絡,然后根據T-S模型,在隱含層的各個子網絡中計算不同降水粒子相態的模糊推理值,最后在輸出層利用步驟1)計算得到的連接權值對模糊推理值進行加權平均,得到模糊推理結果。
4.根據權利要求1所述的基于T-S模型的FNN降水粒子相態識別方法,其特征在于:在步驟4)中,所述的利用實測數據對步驟1)、步驟2)、步驟3)中建立的前件網絡、后件網絡和反饋網絡進行訓練,最后運用訓練得到的FNN進行降水粒子相態識別的方法是:首先利用大量實測數據通過步驟1)、步驟2)、步驟3)建立的前件網絡、后件網絡和反饋網絡對前件網絡中的各偏振參量隸屬函數參數進行訓練,然后利用訓練得到的各偏振參量隸屬函數參數構成成型的FNN,最后將待識別降水粒子的雙線偏振氣象雷達的偏振參數輸入FNN,輸出即為該降水粒子的最終相態識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國民航大學,未經中國民航大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710811701.7/1.html,轉載請聲明來源鉆瓜專利網。





