[发明专利]一种基于深度学习的大气湍流监测方法有效
| 申请号： | 201910397269.0 | 申请日： | 2019-05-14 |
| 公开（公告）号： | CN110083977B | 公开（公告）日： | 2023-06-06 |
| 发明（设计）人： | 徐经纬;丁锦锋;吴建鑫;王慧妍;贾赟;吕建 | 申请（专利权）人： | 南京大学;中国人民解放军国防科技大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N20/00;G06N3/08;G01M9/00;G01W1/10;G06F111/10 |
| 代理公司： | 南京乐羽知行专利代理事务所(普通合伙) 32326 | 代理人： | 李玉平 |
| 地址： | 210046 江苏*** | 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： | 本发明公开一种基于深度学习的大气湍流监测方法，包括训练阶段和监测阶段两部分：训练阶段设计数据格式，开放数据接口，为不同的数据源提供接入方案；利用气象模式资料进行降尺度数值模拟计算，输出目标区高分辨率气象要素场。同时，结合多个经验指数计算湍流强度。建立基于深度学习的湍流强度模型训练器，模型训练器输入样本为卫星云图、对应时空的高分辨率气象要素场以及湍流强度场，模型训练器输出为模型参数。监测阶段根据训练阶段中模型训练器得到的模型参数，建立基于深度学习的湍流强度推理器。推理器可以根据卫星云图与高分辨率气象要素场实时评估大气湍流强度，达到大气湍流监测的目的。 | ||
| 搜索关键词： | 一种 基于 深度 学习 大气 湍流 监测 方法 | ||
【主权项】：
1. 一种基于深度学习的大气湍流监测方法，其特征在于，包括训练阶段和监测阶段两部分：训练阶段（1）数据缓存模块的实现：设计数据格式，开放数据接口，为不同的数据源提供接入方案；（2）数值模拟模块的实现：利用气象模式资料进行降尺度数值模拟计算，输出目标区高分辨率气象要素场；同时，结合多个经验指数计算湍流强度；（3）模型训练模块的实现：建立基于深度学习的湍流强度模型训练器，训练器输入样本为卫星云图、对应时空的高分辨率气象要素场以及湍流强度场，输出为模型参数；监测阶段（1）数据缓存模块的实现：此模块与训练阶段中的数据缓存模块一致；（2）数值预报模块的实现：此模块与训练阶段中的数值模拟模块基本一致，但气象模式资料采用预报场资料，并且不再进行湍流强度的计算；（3）模型推理模块的实现：根据训练阶段中模型训练模块得到的模型参数，建立基于深度学习的湍流强度推理器；推理器可以根据卫星云图与高分辨率气象要素场实时计算大气湍流强度，达到大气湍流监测的目的。
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南京大学;中国人民解放军国防科技大学，未经南京大学;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/patent/201910397269.0/，转载请声明来源钻瓜专利网。
