[發明專利]一種基于人工智能的閃電單站定位方法、裝置及系統有效
| 申請號： | 202110172823.2 | 申請日： | 2021-02-08 |
| 公開（公告）號： | CN112964938B | 公開（公告）日： | 2022-01-04 |
| 發明（設計）人： | 張陽;譚亞丹;姚雯;呂偉濤 | 申請（專利權）人： | 中國氣象科學研究院 |
| 主分類號： | G01R29/08 | 分類號： | G01R29/08;G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京路浩知識產權代理有限公司 11002 | 代理人： | 楊明月 |
| 地址： | 100081 北*** | 國省代碼： | 北京;11 |
| 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 人工智能 閃電 定位 方法 裝置 系統 | ||
1.一種基于人工智能的閃電單站定位方法，其特征在于，包括：
基于待定位閃電放電的電磁信號波形，確定閃電放電事件類型以及時間反轉信號的電磁場空間分布圖；
基于所述閃電放電事件類型，確定對應的閃電單站定位模型；
將所述時間反轉信號的電磁場空間分布圖和/或所述電磁信號波形輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果；
其中，所述閃電單站定位模型是基于卷積神經網絡構建的；所述卷積神經網絡包括卷積層、池化層及全連接層，所述卷積層通過由小到大的卷積核提取所述電磁信號波形和/或所述時間反轉信號的電磁場空間分布圖數據特征并構建整體特征向量；所述全連接層通過對所述特征向量和閃電位置回歸關系得到閃電的定位結果；
其中，所述閃電單站定位模型是基于樣本閃電的時間反轉信號的電磁場空間分布圖和/或樣本閃電的電磁信號波形，以及樣本閃電的位置標簽訓練得到。
2.根據權利要求1所述的基于人工智能的閃電單站定位方法，其特征在于，所述將所述時間反轉信號的電磁場空間分布圖輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果，包括：
獲取所述時間反轉信號的電磁場空間分布圖對應的RGB圖；
將所述RGB圖輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果。
3.根據權利要求1所述的基于人工智能的閃電單站定位方法，其特征在于，所述將所述時間反轉信號的電磁場空間分布圖輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果，包括：
對所述時間反轉信號的電磁場空間分布圖進行特征提取，得到電磁場空間分布特征；
將所述電磁場空間分布特征輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果。
4.根據權利要求1所述的基于人工智能的閃電單站定位方法，其特征在于，所述將所述時間反轉信號的電磁場空間分布圖和所述電磁信號波形輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果，包括：
確定所述時間反轉信號的電磁場空間分布圖對應的RGB圖；
將所述RGB圖和所述電磁信號波形輸入至所述閃電單站定位模型，得到所述閃電單站定位模型輸出的閃電的定位結果。
5.根據權利要求1至4任一項所述的基于人工智能的閃電單站定位方法，其特征在于，所述基于待定位閃電放電的電磁信號波形，確定閃電放電事件類型，包括：
將所述電磁信號波形輸入至閃電分類模型，得到所述閃電分類模型輸出的閃電分類結果；
其中，所述閃電分類模型是基于樣本閃電的電磁信號波形以及樣本閃電的類型標簽訓練得到。
6.根據權利要求1至4任一項所述的基于人工智能的閃電單站定位方法，其特征在于，所述時間反轉信號的電磁場空間分布圖是基于如下步驟確定的：
基于時間反轉法對所述電磁信號波形進行發射，得到閃電的時間反轉信號的空間電磁場分布；
基于所述閃電的時間反轉信號的空間電磁場分布，確定所述時間反轉信號的電磁場空間分布圖。
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氣象科學研究院，未經中國氣象科學研究院許可，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/202110172823.2/1.html，轉載請聲明來源鉆瓜專利網。
