[發(fā)明專利]基于深度學習的臺風強度遙感反演方法

有效

• 申請?zhí)枺?/td>: 202010873492.0
• 申請日: 2020-08-26
• 公開（公告）號: CN112069955B
• 公開（公告）日: 2022-07-26
• 發(fā)明（設計）人: 王充;徐青
• 申請（專利權）人: 河海大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01P5/00
• 代理公司: 南京業(yè)騰知識產權代理事務所(特殊普通合伙) 32321
• 代理人: 李靜

1.一種基于深度學習的臺風強度遙感反演方法，其特征在于，包括以下步驟：

步驟1)確定待反演時刻臺風中心的地理坐標信息，獲取待反演時刻衛(wèi)星的云圖；

步驟2)讀取衛(wèi)星云圖中的地理坐標信息以及預設的若干個波段的亮溫數(shù)據；

步驟3)確定臺風中心位置在衛(wèi)星云圖中的坐標點，并以該坐標點為中心，構建基于波段亮溫數(shù)據的三維矩陣；

步驟4)在python軟件中載入訓練好的基于focal_loss損失函數(shù)的8個二分類CNN模型，其中每個二分類CNN模型分別對應不同的臺風等級；

步驟5)將三維矩陣數(shù)據輸入8個二分類CNN模型中，得到并輸出相應的數(shù)值，其中最大數(shù)值對應的臺風等級即為該時刻臺風的強度類別；

步驟6)根據上述所得數(shù)值計算得該時刻臺風的最大風速。

2.根據權利要求1所述的基于深度學習的臺風強度遙感反演方法，其特征在于：步驟3)中以坐標點為中心，向上下左右各延伸n個網格點，從若干個波段中截取波段數(shù)量個2n+1×2n+1的二維矩陣，并按照波段序號由高到低順序重新組合為三維矩陣。

3.根據權利要求2所述的基于深度學習的臺風強度遙感反演方法，其特征在于：步驟4)的具體步驟為：

41)將臺風按照風速分為8類；

42)收集待反演時刻衛(wèi)星的臺風衛(wèi)星云圖，將衛(wèi)星云圖分為訓練組，驗證組和測試組，并構建CNN模型；

43)使用focal_loss損失函數(shù)計算CNN模型內部梯度函數(shù)；

44)采用訓練組數(shù)據訓練并針對每一個分類訓練一個二分類模型；其中驗證組數(shù)據用來在模型訓練過程中防止模型過擬合；測試組用來進行模型性能的最終評判。

4.根據權利要求3所述的基于深度學習的臺風強度遙感反演方法，其特征在于：步驟6中最大風速的計算公式為

W＝U₁×P₁+U₂×P₂

式中，W是該時刻臺風的最大風速，P₁和P₂是所得數(shù)值中最大的兩個，U₁和U₂是兩個最大數(shù)值對應分類速度區(qū)間的中間值。