[發明專利]一種基于深度學習的降水強度估計方法

有效

• 申請號: 202010729618.7
• 申請日: 2020-07-27
• 公開（公告）號: CN111983732B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 劉昊;張永宏;王麗華
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G01W1/14
• 分類號: G01W1/14
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐瑩

1.一種基于深度學習的降水強度估計方法，其特征在于，包括以下步驟：

步驟1：根據歷史降水資料，分別獲取氣象衛星數據和降水數據；

步驟2：根據獲取的氣象衛星數據，將所需要的估計地區從中裁剪出來；并校正氣象衛星數據且將其保存為數組的形式；

步驟3：根據獲取的降水數據，利用重采樣函數重采樣至所需的空間分辨率下，并對其進行分類，根據不同時間的降水量的比例關系計算得到不同等級的降水強度關系，獲得不同等級的降水強度標簽；

步驟4：將降水強度標簽轉換成只有背景及不同等級降水強度的單通道圖像，并切割大小，分別作為降水強度估計模型的輸入與標簽；

步驟5：建立基于深度學習的降水強度估計模型，所述降水強度估計模型由編碼層、中間層、解碼層組成，其中編碼層由一個5*5的卷積層、一個3*3的卷積層、四個殘差模塊和深度可分離卷積模塊組成，所述殘差模塊由兩個卷積層和加法函數組成，初始的特征圖通過兩個卷積層后再與初始的特征圖疊加；所述深度可分離卷積模塊依次由深度可分離卷積、歸一化特征圖、relu函數、一個卷積層、歸一化特征圖和relu函數組成，用于多尺度提取特征；中間層由空間金字塔卷積和注意力機制模塊組成，其中空間金字塔卷積由一個1*1的卷積層和三個3*3的空洞卷積層組成；所述注意力機制模塊由特征矩陣經過一個2*2的卷積層、歸一化和激活函數，再與初始特征矩陣相乘組成；解碼層由一個降維的1*1的卷積層、四個反卷積層和一個具有分類作用的1*1的卷積層組成；

步驟6：設置模型的超參數、總訓練次數、學習率、動量參數、權重衰減參數，經過反復調整和對比試驗得到最佳參數，以得到最佳降水強度估計模型；

步驟7：將訓練好的最佳降水強度估計模型應用測試新的氣象衛星數據，對于新的氣象衛星數據先切割大小并分別預測，預測完成后得到各自的降水強度估計結果再拼接生成一張完整的降水強度估計結果；

步驟8：將生成的降水強度估計結果，疊加到帶有shp地形的文件上。

2.根據權利要求1所述基于深度學習的降水強度估計方法，其特征在于：所述步驟1中分別在風云衛星遙感數據服務網獲取氣象衛星數據及在NASA官網獲取降水數據。