[發明專利]一種基于衛星影像和GMDH神經網絡的云量計算方法及裝置

在審

• 申請號: 201910645566.2
• 申請日: 2019-07-17
• 公開（公告）號: CN110533063A
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 劉通;安好
• 申請（專利權）人: 賽德雷特(珠海)航天科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G01W1/00
• 代理公司: 44291 廣東朗乾律師事務所
• 代理人: 閆有幸;楊煥軍<國際申請>=<國際公布>

1.一種基于衛星影像和GMDH神經網絡的云量計算方法，其特征在于，包括以下步驟：

(一)使用聚類方法對云塊樣本進行聚類分析；

(二)將聚類分析后的云塊樣本輸入GMDH神經網絡訓練；

(三)將待檢測衛星云圖輸入GMDH神經網絡進行分類；

(四)根據分類結果進行云量計算。

2.根據權利要求1所述的云量計算方法，其特征在于，步驟(一)包括：

1.1、從衛星云圖樣本上采集X個p*q像素的云塊樣本；

1.2、對X個云塊樣本進行灰度處理；

1.3、通過聚類算法對灰度處理后的X個云塊樣本數據進行聚類分析，并且對聚類后的類別進行標注，類別包括后云、薄云和晴空。

3.根據權利要求2所述的云量計算方法，其特征在于，步驟(二)包括：

2.1、在經過聚類分析的X個云塊樣本中取n_t個樣本作為訓練樣本，取n_c個樣本作為驗證樣本；

2.2、將n_t個訓練樣本及n_c個驗證樣本進行預處理作為GMDH神經網絡的數據輸入，不斷調整GMDH神經網絡中的參數，以云塊檢測率為基準，確定參數完成GMDH神經網絡的訓練。

4.根據權利要求3所述的云量計算方法，其特征在于，所述GMDH神經網絡設置輸入層神經元個數和輸出層數量，其中輸入層神經元個數為1024，輸出層神經元個數為3，分別代表厚云、薄云和晴空三類不同的云層類型。

5.根據權利要求4所述的云量計算方法，其特征在于，所述GMDH神經網絡中每個神經元的輸入變量為兩個，隱層神經元的映射計算方式如下：

其中：表示在第k個樣本下第l層的第p個神經元輸出；x_k,i表示第k個樣本下第i個系統輸入；表示第l層的第p個神經元二項式擬合系數；GMDH神經網絡的輸出層為三個神經元，其中001表示厚云，010表示薄云，100表示晴空。

6.根據權利要求5所述的云量計算方法，其特征在于，步驟2.2中，GMDH神經網絡的訓練過程包括：

Step1：將用于訓練和驗證的數據進行歸一化處理得到以及其中n_t為訓練集數據樣本數，n_c為驗證集數據樣本數；

Step2：根據輸入數據，生成新一層的神經網絡，并對新生成層的神經元參數進行估計；

Step3：利用評價準則對生成層局部神經元進行評價；

Step4：判斷是否停止繼續構建神經網絡；

Step5：利用選取準則對當前層神經元進行選擇；

Step6：令當前層神經網絡輸出作為下層神經網絡輸入并重復Step2～Step5，神經網絡層數l＝l+1。

7.根據權利要求6所述的云量計算方法，其特征在于，Step2實現方式為：在第k個訓練樣本下，新層網絡的輸入為r_k∈R^m，其中m為輸入變量的維度。將輸入變量兩兩組合，對應生成局部神經元的個數為P＝m(m-1)/2；利用訓練數據集進行參數估計，局部神經元輸入為(x_k,i,x_k,j)，i,j＝1,2,…m且i≠j，k＝1,2,…,n_t；每個局部神經元對輸入進行二項式擬合，如下式(1)所示，其計算過程如下：

X(a^l,p)^T＝Z (5)

通過上式得局部神經元參數的估計值：

a^l,p＝(X^-1Z)^T (6)。