一种基于深度学习的毫米波SAR覆冰厚度反演算法

本发明公开一种基于深度学习的毫米波SAR覆冰厚度反演算法，旨在解决复杂气象条件下覆冰监测精度不足和实时性差的问题。该算法通过数据预处理包括斜距校正、极化去噪、后向散射特性提取及数据增强，为深度学习建模提供高质量输入。特征提取采用多分支深度神经网络结构，结合Swin Transformer V2主干、Gated MLP模块、跨模态注意力融合及物理一致性约束，提升模型对毫米波SAR数据和多模态输入的适配能力。多模态数据融合整合气象参数和线路运行数据，增强模型鲁棒性。最终，通过实时推理输出覆冰厚度预测值，并结合置信度分析触发智能预警，实现端到端实时响应，显著提高电网安全运行的智能化水平，具备广泛的应用价值。