[发明专利]基于长短时记忆网络模型的热带气旋强度客观监测方法在审

专利信息
申请号: 202010492482.2 申请日: 2020-06-03
公开(公告)号: CN111695473A 公开(公告)日: 2020-09-22
发明(设计)人: 钟玮 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06N3/04;G06N3/08
代理公司: 南京科阔知识产权代理事务所(普通合伙) 32400 代理人: 苏兴建
地址: 211101 江苏省南京市*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 短时记忆 网络 模型 热带 气旋 强度 客观 监测 方法
【权利要求书】:

1.一种基于长短时记忆网络模型的热带气旋强度客观监测方法,包括:

步骤1)对红外卫星云图进行处理;

步骤2)从步骤1)处理得到的红外卫星云图中提取热带气旋的亮温特征参数;

步骤3)从步骤1)处理得到的红外卫星云图中提取热带气旋的形态特征参数;

步骤4)由步骤2)和3)的亮温特征参数、形态特征参数以及热带气旋最佳路径数据对热带气旋强度进行监测;

所述步骤4)中,基于长短时记忆网络LSTM模型对对热带气旋强度进行监测;将滞后时长取为12h,构建两层长短时记忆网络2D-LSTM,其中第一层网络的隐藏层节点数取为20,第二层网络的隐藏层节点数取为5,且每层卷积网络之后均采取使神经元随机失活Dropout的方式增强神经网络的鲁棒性。

2.根据权利要求1所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤1)中,对红外卫星云图进行高斯滤波处理,去除椒盐噪声。

3.根据权利要求2所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤1)中,对红外卫星云图进行高斯滤波的算子为

4.根据权利要求1所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤2)中,以热带气旋最低气压的中心位置为参考位置,提取的红外卫星云图中热带气旋的亮温特征参数包括:

红外卫星云图中距离中心位置50~200km范围内亮温值低于-20℃云区面积所占比例S-20

红外卫星云图中距离中心位置100~300km范围内亮温值的标准差TBBstd

5.根据权利要求1所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤3)中,利用偏角方差技术DAV-T从红外卫星云图中提取热带气旋形态特征参数,形态特征参数包括:区域最低偏角方差值MMV和相对距离RD。

6.根据权利要求5所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤3)中,采用DAV-T获取的形态特征参数的步骤为:

3.1)从红外卫星云图中任取一点Or,记与Or相距R以内的区域为Ω,利用sobel算子计算所有像素点的梯度方向G(i,j)(i,j∈Ω),其中,i、j为像素点坐标;R是DAV-T的计算半径R;

3.2)定义A像素点与Or点的连线方向为A相对于Or的径向方向,计算Ω区域内的径向方向记为D(i,j)(i,j∈Ω),并得到Ω区域内所有像素点的偏差角Δ(i,j)(i,j∈Ω);

3.3)Δ(i,j)(i,j∈Ω)的方差值即为Or点的DAV;将红外云图上的每个像素点依次取为参考点即可得到红外云图每个像素点所对应得DAV;

3.4)从热带气旋中心位置出发,通过三次迭代搜索范围内的热带气旋DAV最小值即MMV;

3.5)计算MMV所在位置与中心位置的距离即为RD。

7.根据权利要求6所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是步骤3)中,DAV-T的计算半径R选为450km;步骤3.2)中,三次迭代搜索的半径分别选为50km,100km和150km。

8.根据权利要求1所述基于长短时记忆网络模型的热带气旋强度客观监测方法,其特征是所述步骤4)中,LSTM模型分为前向计算过程和误差后向传播过程,前向计算过程通过对输入项的计算得到结果,误差后向传播通过误差项的传递不断更新网络层参数;其中:

a、前向传播过程的递推过程为:

①利用输入门来控制输入信息被接纳的程度,同样由当前时刻的输入与上一时刻的隐藏节点组成:

i(t)=σ(Wixx(t)+Wihh(t-1)+bi)

其中,i(t)表示t时刻的输入门大小,σ代表激活函数sigmoid,x(t)为t时刻的输入值,Wix为输入门对应的权重,h(t-1)为t-1时刻的隐藏节点值,Wih为隐藏节点所对应的输入门权重,bi为该输入门的偏置;

②利用遗忘门控制内部状态信息被保留的程度,同样由当前时刻的输入与上一时刻的隐藏节点组成:

f(t)=σ(Wfxx(t)+Wfhh(t-1)+bf)

其中,f(t)表示t时刻的遗忘门大小,σ代表激活函数sigmoid,Wfx为遗忘门对应的权重,Wfh为隐藏节点所对应的遗忘门权重,bf为该遗忘门的偏置;

③由输入门和遗忘门计算当前的单元状态,有:

其中,表示t时刻的输入单元状态,φ代表激活函数tanh,Wch为输入的单元状态对应的权重,Wch为隐藏节点所对应的输入的单元状态权重,bc为该输入节点的偏置;

进一步由输入的单元状态计算当前时刻的单元状态:

其中,c(t)表示t时刻的输入单元状态,代表按元素相乘;

④利用输出门控制输出信息的比例,同样由当前时刻的输入与上一时刻的隐藏节点组成:

o(t)=σ(Woxx(t)+Wohh(t-1)+bo)

其中,表示t时刻的输出门大小,σ代表激活函数sigmoid,Wox为输出门对应的权重,Woh为隐藏节点所对应的输出门权重,bo为该输出门的偏置;

⑤LSTM模型的最终输出由输出门和单元状态共同确定,最终输出即当前时刻的隐藏状态:

最终输出

b、误差的后向传播过程为:

定义t时刻的误差项为其中E为预测值与真值的误差和,则有:

netf,t=Wfxx(t)+Wfhh(t-1)+bf

neti,t=Wixx(t)+Wihh(t-1)+bi

neto,t=Woxx(t)+Wohh(t-1)+bo

且有其中,net代表节点;

则任意T时刻的误差项为代入前向传播过程中的公式有:

在获得了所有梯度之后,根据梯度下降算法来更新每个权重。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010492482.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top