[发明专利]一种基于分类节点图注意力网络的雷达定量降水估计方法有效
| 申请号: | 202011371960.0 | 申请日: | 2020-11-30 |
| 公开(公告)号: | CN112365091B | 公开(公告)日: | 2022-06-14 |
| 发明(设计)人: | 彭轩;李骞 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
| 主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/26;G06V20/13;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 江苏圣典律师事务所 32237 | 代理人: | 于瀚文;胡建华 |
| 地址: | 410005 湖*** | 国省代码: | 湖南;43 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 分类 节点 注意力 网络 雷达 定量 降水 估计 方法 | ||
1.一种基于分类节点图注意力网络的雷达定量降水估计方法,其特征在于,包括以下步骤:
步骤1:观测区域的图表示:将气象雷达回波拼图覆盖区域用图表示,并且确定图中节点之间的连接方式;
步骤1包括以下步骤:
步骤1-1,确定图节点:设气象雷达回波拼图的分辨率为M×N,其中M指在纬度方向的像素数点个数为M,即每一行有M个像素;N指在经度方向上的像素点个数为N,即共有N行;每个像素代表观测区域的一个子区域,则每一子区域用一个节点表示;一个气象雷达回波拼图由M×N个节点表示;
步骤1-2,确定节点之间的连接关系:设节点i与节点j之间的距离为rij;对于中心节点i,利用距离阈值R确定节点j是否与它有边相连:如果rij≤R,则节点j有边eji连接到节点i,否则没有;
步骤2:处理训练数据:对气象雷达回波拼图作归一化处理,再将连续K帧的归一化图像按顺序排列在一起组成一个训练样本,所有训练样本构成的集合为训练集的输入数据部分;对观测区域内的离散分布的自动雨量计测得的降水率数据进行对数变化,将对数变化后的值作为对应节点输出标签,构成训练集的输出数据部分;训练集包含输入-输出样本对的个数为TrainingsetSize;
步骤3:初始化模型参数:设置节点类型分配规则,设计分类节点图注意力网络CNGAT的结构,确定每一层节点隐状态向量维数;
步骤3包括以下步骤:
步骤3-1,确定节点类型分配规则:设节点类型数为C,设置C-1个阈值{threshold1,threshold2,…,thresholdh,…,thresholdC-1},thresholdh表示第h个阈值,利用这些阈值将规范化的雷达反射率因子的值域划分成C个区间,则节点i所属类别c的判断规则如下:
其中,X(i)为节点i所对应的规范化雷达反射率因子值;
步骤3-2,构造分类节点图注意力网络CNGAT的特征提取模块:特征提取模块由分类节点图注意力网络CNGAT的7个卷积层叠加组成,每个卷积层由两部分组成,第一部分为特征转换子层,第二部分为聚合子层;
步骤3-3,构造分类节点图注意力网络CNGAT的输出映射模块:输出映射模块为一个多层感知机,其输入向量为特征提取模块的输出,输出为CNGAT模型对规范化降水率的估计值;
步骤4:初始化训练参数:设置学习率,每次迭代输入一个样本,一个训练周期迭代的次数为TrainingsetSize,设模型训练的周期数为NumEpoch,总迭代次数为NumIteration=TrainingsetSize×NumEpoch;当且迭代次数IterationNo=1;
步骤5:读取训练样本:每次迭代从步骤2获得的训练集中随机读取1个训练样本对,包括一个由K幅连续图像构成的输入图像序列{x1,x2,…,xK},和对应的输出标签y;K表示第K幅图像;
步骤6:前向传播:利用分类节点图注意力网络CNGAT提取输入图像序列的特征,再将每一层提取的特征向量拼接得到一个长特征向量,将长特征向量输入到最后的输入到输出映射层,得到的预测结果
步骤6包括以下步骤:
步骤6-1:根据输入规范化气象雷达回波拼图序列确定每个节点的类型;
步骤6-2:每个节点的输入特征向量经过分类节点图注意力网络CNGAT特征提取模块卷积后输出提取特征;
步骤6-3:将分类节点图注意力网络CNGAT特征提取模块输出的特征向量输入到输出映射层,得到每个节点的规范化降水率估计值;
步骤6-1包括以下步骤:
步骤6-1-1,求{x1,x2,…,xK}在时间序列上的平均值xmean:
xmean=(x1+x2+…+xK)/K;
步骤6-1-2,对于节点i,根据其对应的平均后规范化雷达反射率因子的值判断其节点类型:
其中xmean(i)为节点i的平均后规范化雷达反射率因子,thresholdh为第h个阈值,ci为节点i的类别;
步骤6-2包括以下步骤:
步骤6-2-1,对于每个节点i,第1层卷积层将输入特征向量转换成第1层节点特征向量
步骤6-2-2,对每个节点i,第l层卷积层将第l-1层特征向量转换成第l层特征向量,2≤l≤7;
步骤6-2-3,对每个节点i,输出映射模块将输入节点特征与每一个卷积层的特征向量拼接而成的长特征向量转换成规范化降水率估计值具体计算过程如下:
其中,ReLU(x)为一种非线性激活函数,其具体形式为:
ReLU(x)=max(0,x),
其中o1、o2为权值矩阵;
步骤7:误差反向传播更新参数:定义损失函数利用损失函数计算输出误差,将误差从后至前传递,逐层计算分类节点图注意力网络CNGAT中每一层的误差,再计算误差与模型参数的梯度,根据梯度采用梯度下降法更新模型参数;
步骤8:输出数据处理:将步骤6中得到的预测结果通过下式得到最终的估计降水场即:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011371960.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种风机盘管清洗系统及空调系统
- 下一篇:一种单线圈磁保持继电器驱动电路
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理





