← 返回列表
星载GNSS-R全球海面有效波高估计的深度学习方法
申请人信息
- 申请人:昆明理工大学
- 申请人地址:650000 云南省昆明市一二一大街文昌路68号
- 发明人: 昆明理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 星载GNSS-R全球海面有效波高估计的深度学习方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311450231.8 |
| 申请日 | 2023/11/2 |
| 公告号 | CN117687044A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G01S19/14 |
| 权利人 | 昆明理工大学 |
| 发明人 | 布金伟; 李玲惠; 汪秋兰; 刘馨雨; 张永凤; 王绍宇; 左小清; 朱大明; 李勇发; 李永宁 |
| 地址 | 云南省昆明市五华区学府路253号 |
摘要文本
昆明理工大学获取“一种透气窗帘布”专利技术，本发明公开了一种星载GNSS‑R全球海面有效波高估计的深度学习方法，包括：获取CYGNSS L1级GNSS‑R数据，ERA5风速、风向、水深和SWH数据，IMERG降雨数据，WaveWatch III(WW3)SWH数据和AVISO卫星高度计SWH数据；从星载GNSS‑R DDM数据中提取观测变量参数、计算特征观测值、采用外部数据选择辅助变量和对所有数据集进行时空匹配；数据质量控制和数据过滤以及训练数据集、验证测试集和测试数据集划分；有效波高反演的GloWH‑Net混合深度学习模型的构建和训练；对SWH反演结果进行性能评估和对比；本发明显著提高了有效波高反演精度。
专利主权项内容
关注公众号马克数据网 1.一种星载GNSS-R全球海面有效波高估计的深度学习方法，其特征在于，包括以下步骤：步骤1、获取CYGNSS L1级GNSS-R数据，ERA5风速、风向、水深和SWH数据，IMERG降雨数据，WaveWatch III(WW3)SWH数据和AVISO卫星高度计SWH数据；步骤2、从星载GNSS-R DDM数据中提取观测变量参数、计算特征观测值、采用外部数据选择辅助变量和对所有数据集进行时空匹配；步骤3、数据质量控制和数据过滤以及训练数据集、验证测试集和测试数据集划分；步骤4、有效波高反演的GloWH-Net混合深度学习模型的构建和训练；步骤5、将测试数据集输入到训练后的GloWH-Net混合深度学习模型中，得到反演有效波高值，并对GloWH-Net混合深度学习模型和先前模型，即经验模型和机器学习模型的SWH反演结果进行性能评估和对比。