摘要
本发明公开了基于深度学习的卫星资料降水反演方法及系统,包括将指定时间内预设区域中卫星资料中获取的数据,作为待分析数据;通过所述确定数据确定第一降水区域,对所述不确定数据进行不确定性估计获得第二降水区域,在所述第一降水区域和所述第二降水区域内对所述待分析数据进行降雨规模预测获得降水规模概率;对所述待分析数据进行降水规模特征提取获得降水规模特征,对所述降水规模概率和所述降水规模特征进行特征融合获得融合数据;基于衰减率采用所述融合数据构建深度学习降水反演模型,将待反演数据输出所述深度学习降水反演模型,输出反演结果。该方法不仅可以提高卫星资料降水反演的精度,可以直接应用于卫星资料降水反演系统中。
技术关键词
规模
反演方法
反演模型
多尺度特征
卫星观测数据
资料
多层感知机
输出特征
反演系统
贝叶斯神经网络
粒子
表达式
多层注意力
建立映射关系
输入多尺度
神经网络算法
降雨特征
机器学习算法
特征提取器
系统为您推荐了相关专利信息
煤层瓦斯压力
钻孔瓦斯
反演方法
非线性共轭梯度法
煤层透气性系数
地震信号采集设备
节点设备
频率响应
参数反演方法
数学模型