一种基于深度学习的云层变化趋势预测方法

发明专利有效专利

申请号：
CN202110040046.6
IPC分类号：G06F16/55;G06F16/58;G06Q10/04;G06Q50/26;G06N3/04;G06N3/08
申请日期：
2021-01-13
申请人：
南京大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度学习的云层变化趋势预测方法
申请号	CN202110040046.6	申请日期	2021-01-13
法律状态	实质审查	申报国家	中国
公开/公告日	2021-04-09	公开/公告号	CN112632311A
优先权	暂无	优先权号	暂无
主分类号	G06F16/55	IPC分类号	G;0;6;F;1;6;/;5;5;;;G;0;6;F;1;6;/;5;8;;;G;0;6;Q;1;0;/;0;4;;;G;0;6;Q;5;0;/;2;6;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	南京大学	申请人地址	江苏省南京市鼓楼区汉口路22号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京大学	当前权利人	南京大学
发明人	李文峰;戴政;赵康僆;方元;周炜栋;王艺桦;周逸秋;周鑫;陈吴涛
代理机构	南京瑞弘专利商标事务所（普通合伙）	代理人	彭雄

摘要

本发明公开了一种基于深度学习的云层变化趋势预测方法，将从地面站采集的云图序列做数据预处理；按地面站上空的云层状况将云图序列数据分类，并确定训练集、验证集和测试集。基于卷积‑长短期记忆网络搭建深度预测网络模型，深度预测网络模型包括预测网络层、时间切片全连接层和全连接层，对深度预测网络模型训练，将训练集喂入深度预测网络模型进行模型的线下训练。本发明减小了计算开销，增加模型与待预测云层图像序列的时间相关性，使预测未来一段时间内地面站上空的云层变化趋势的准确度更高，从而为实现星地激光通信的不间断传输提供重要保障。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供