一种基于深度学习的时空双向土壤含水量插值方法

发明专利有效专利

申请号：
CN202010950190.9
IPC分类号：G06F17/18;G06N3/04;G06N3/08
申请日期：
2020-09-10
申请人：
河海大学

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时空双向土壤含水量插值方法
申请号	CN202010950190.9	申请日期	2020-09-10
法律状态	实质审查	申报国家	中国
公开/公告日	2021-01-29	公开/公告号	CN112287294A
优先权	暂无	优先权号	暂无
主分类号	G06F17/18 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/10 复杂数学运算的〔6〕 G06F17/18 用于换算统计数据的〔6〕	IPC分类号	G;0;6;F;1;7;/;1;8;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	河海大学	申请人地址	江苏省南京市鼓楼区西康路1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	河海大学	当前权利人	河海大学
发明人	郑丽虹;刘懿;任立良;江善虎;袁飞;胡若轩;张林齐;卫林勇
代理机构	南京苏高专利商标事务所（普通合伙）	代理人	柏尚春

摘要

本发明公开了一种基于深度学习的时空双向土壤含水量插值方法，包括：构建长短期记忆LSMT、全卷积神经网络FCNN两种深度学习模型；以遥感土壤水产品、气象要素、植被土壤等下垫面参数为输入数据，分别从时间维度逐网格构建LSTM模型，从空间维度逐日构建FCNN模型，重建土壤含水量数据；结合贝叶斯网络权重自学习模型，将时间和空间两套不同插值途径获得的土壤水数据进行优化融合。本发明充分考虑数据的时空三维特征，综合了土壤水在时程上的季节变化规律以及在空间上的地理学特性，利用深度学习模型有效建立气象、下垫面要素与土壤含水量间的内在联系，显著提高了土壤含水量的插值精度。

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