摘要
本发明涉及一种高时空分辨率天气雷达波束传播路径反演方法,属于雷达探测领域,以WRF输出的气象要素数据为背景场,结合高频次无线电探空数据,设计了更加精准的时空匹配策略,构建了能够充分挖掘数据局部和全局空间特征的神经网络模型,构建了长短时间特征提取及融合模型,实现了气象要素的不同尺度的时间和空间特征的高效和准确提取,进而设计了输入数据集时间和空间复杂度计算方法,实现了卷积核的自适应优化选择,极大提高了基于3D时空卷积模型输出高时空分辨率气象数据的实时性,引入了大气折射率模型和电磁波传播路径计算模型,实现了高时空分辨率且准确的天气雷达波束传播路径的反演。
技术关键词
高时空分辨率
数据
大气压强
卷积模型
多尺度卷积神经网络
反演方法
局部空间特征
无线电
气象
信息处理软件
LSTM模型
复杂度
电磁波传播路径
神经网络模型构建
雷达
波束
超分辨率模型
天气
系统为您推荐了相关专利信息
图像实例分割方法
深度学习预测
反射率
区域生长算法
种子点选取方法
递归神经网络模型
生长预测方法
输电走廊
地理信息系统数据
级联