[發(fā)明專利]基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 202110283892.0 | 申請日: | 2021-03-17 |
| 公開(公告)號: | CN112668705B | 公開(公告)日: | 2021-06-29 |
| 發(fā)明(設(shè)計)人: | 俞樂;黃小猛;周崢 | 申請(專利權(quán))人: | 清華大學(xué) |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04;G06N3/08;G06K9/62;G01W1/10;G01N33/24 |
| 代理公司: | 北京鴻元知識產(chǎn)權(quán)代理有限公司 11327 | 代理人: | 王迎;袁文婷 |
| 地址: | 10008*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 干旱 指數(shù) 監(jiān)測 方法 系統(tǒng) | ||
1.一種基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,包括:
獲取監(jiān)測站點的觀測數(shù)據(jù),并基于所述觀測數(shù)據(jù)獲取對應(yīng)的各參數(shù)信息,所述參數(shù)信息包括與所述觀測數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)化降水指數(shù)SPI;
對所述各參數(shù)信息分別進(jìn)行數(shù)據(jù)處理,獲取與所述各參數(shù)信息分別對應(yīng)的預(yù)處理數(shù)據(jù);
對所述預(yù)處理數(shù)據(jù)以及與所述觀測數(shù)據(jù)對應(yīng)的輔助數(shù)據(jù)進(jìn)行數(shù)據(jù)融合,并基于融合后的數(shù)據(jù)構(gòu)建數(shù)據(jù)集;其中,所述數(shù)據(jù)集包括訓(xùn)練集和測試集;
基于所述訓(xùn)練集和所述測試集訓(xùn)練并測試深度神經(jīng)網(wǎng)絡(luò)模型,直至所述深度神經(jīng)網(wǎng)絡(luò)模型收斂在預(yù)設(shè)范圍內(nèi),形成干旱指數(shù)監(jiān)測模型;
基于所述干旱指數(shù)監(jiān)測模型對待檢測區(qū)域的干旱指數(shù)進(jìn)行監(jiān)測;
其中,所述標(biāo)準(zhǔn)化降水指數(shù)SPI的獲取過程包括:
基于所述觀測數(shù)據(jù)獲取預(yù)設(shè)時間段內(nèi)降水量的Г分布的概率密度函數(shù);
基于所述概率密度函數(shù)獲取所述標(biāo)準(zhǔn)化降水指數(shù)SPI;
其中,所述概率密度函數(shù)的公式表示為:
其中,,隨機變量x表示所述觀測數(shù)據(jù)中的降水量,β>0,γ>0,分別表示所述概率密度函數(shù)的尺度和形狀參數(shù),β和γ采用極大似然 估計算法獲取,所述β和γ的公式表示為:
其中,,xi表示降水量的資料樣本,表示降水量的預(yù)設(shè)年限的平均值,n表示所述監(jiān)測站點的個數(shù)。
2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,所述降水量小于預(yù)設(shè)值的Г分布的概率表達(dá)公式為:
對所述Г分布的概率進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理的公式表示為:
求解得:
其中,,P表示降水量小于預(yù)設(shè)值的概率,Z表示所述標(biāo)準(zhǔn)化降水指數(shù)SPI,當(dāng)P>0.5時,P=1.0-P,S=1;當(dāng)P≤0.5時,S=-1,c和d表示實驗獲取的經(jīng)驗參數(shù)。
3. 如權(quán)利要求2所述的基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,基于所述概率密度函數(shù)獲取所述標(biāo)準(zhǔn)化降水指數(shù)SPI的過程包括:
基于所述概率密度函數(shù)確定所述降水量小于預(yù)設(shè)值的Г分布的概率;
對所述Г分布的概率進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理,獲取所述標(biāo)準(zhǔn)化降水指數(shù)SPI。
4.如權(quán)利要求1所述的基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,
所述參數(shù)信息還包括土壤有效含水量AWC、自校正帕默爾指數(shù)PDSI和平均季節(jié)綠度百分比PASG;
所述輔助數(shù)據(jù)包括生長季開始的異常值SOSA、全球土地覆蓋數(shù)據(jù)NLCD和農(nóng)業(yè)灌溉百分比數(shù)據(jù)IA。
5. 如權(quán)利要求4所述的基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,
所述土壤有效含水量AWC的獲取公式表示為:
其中,WFC表示田間持水量,WPWP表示永久萎蔫點的重量含水量,Z表示深度,Zr表示作物根的生長的深度,ρb表示容重,ρw表示水的密度。
6.如權(quán)利要求4所述的基于深度學(xué)習(xí)的干旱指數(shù)監(jiān)測方法,其特征在于,
所述自校正帕默爾指數(shù)PDSI的獲取過程包括:
基于所述觀測數(shù)據(jù)獲取與所述監(jiān)測站點對應(yīng)的氣候適宜降水量;
根據(jù)所述氣候適宜降水量和實際降水量,獲取水分虧缺量;
對所述水分虧缺量進(jìn)行氣候修正處理,獲取與所述水分虧缺量對應(yīng)的水分虧缺指數(shù);
對所述水分虧缺指數(shù)進(jìn)行持續(xù)時間因子處理,獲取所述自校正帕默爾指數(shù)PDSI。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學(xué),未經(jīng)清華大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110283892.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





