摘要
本发明公开了一种人工智能驱动的不连续非高斯多尺度降水资料变分融合方法和系统,该方法区别于经典误差服从高斯分布和变量具有连续性的特征的变分融合方法,且简单的构建背景误差协方差矩阵(B)、观测误差协方差矩阵(R)和观测算子(H),本发明方法综合考虑了降水的不连续、非高斯和多尺度性,完成背景误差协方差矩阵(B)、观测误差协方差矩阵(R)和观测算子(H)的构建,增加变分融合精度,以生成高精度的降水资料。
技术关键词
协方差矩阵
人工智能驱动
观测误差
多尺度
资料
融合方法
人工智能模型
平方根
L1范数正则化
广义
模块
雨量计
累积分布函数
基础
可读存储介质
正则化参数
梯度下降法
掩码矩阵
系统为您推荐了相关专利信息
同化估产方法
作物生长模型
协方差矩阵
极化分解特征
叶面积指数
多尺度特征提取
采样模块
融合特征
K近邻算法
注意力机制
图像匹配技术
多尺度
特征生成图像
Sigmoid函数
图像匹配算法