買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中山大學(xué)申請(qǐng)的專利一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114841397B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210260628.X，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法是由孔軒;王天星;程文杰設(shè)計(jì)研發(fā)完成，并于2022-03-16向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法，包括以下步驟：S1、獲取時(shí)間序列多光譜遙感數(shù)據(jù)；S2、對(duì)獲取的時(shí)間序列多光譜遙感數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得預(yù)處理的時(shí)間序列多光譜遙感數(shù)據(jù)集；S3、將獲取的預(yù)處理的時(shí)間序列多光譜遙感數(shù)據(jù)集輸入ConvLSTM網(wǎng)絡(luò)模型得到瞬時(shí)太陽(yáng)短波輻射預(yù)測(cè)數(shù)據(jù)或多時(shí)間尺度太陽(yáng)短波輻射預(yù)測(cè)；所述ConvLSTM網(wǎng)絡(luò)模型為面向遙感圖像并結(jié)合空間注意力機(jī)制的深度學(xué)習(xí)網(wǎng)絡(luò)模型。本發(fā)明提供的預(yù)報(bào)方法完整的考慮了太陽(yáng)輻射的空間特性和時(shí)間序列特性，并且在深度神經(jīng)網(wǎng)絡(luò)中增加了空間注意力機(jī)制，更有效的捕捉了自然界中太陽(yáng)輻射存在的突變。

本發(fā)明授權(quán)一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法在權(quán)利要求書(shū)中公布了：1.一種深度學(xué)習(xí)支持下的全天候太陽(yáng)輻射遙感預(yù)報(bào)方法，其特征在于，包括以下步驟： S1、獲取時(shí)間序列多光譜遙感數(shù)據(jù)； 所述步驟S1中的時(shí)間序列遙感數(shù)據(jù)包括6個(gè)光學(xué)波段的TOA反射率數(shù)據(jù)、1個(gè)波段太陽(yáng)天頂角數(shù)據(jù)和太陽(yáng)短波輻射數(shù)據(jù)的三種類型原始數(shù)據(jù)； S2、對(duì)獲取的時(shí)間序列多光譜遙感數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，獲得預(yù)處理的時(shí)間序列多光譜遙感數(shù)據(jù)集； 當(dāng)預(yù)測(cè)瞬時(shí)太陽(yáng)短波輻射預(yù)測(cè)數(shù)據(jù)時(shí)， 所述步驟S2中數(shù)據(jù)的預(yù)處理包含兩個(gè)部分； 第一部分為對(duì)數(shù)據(jù)質(zhì)量控制，檢查所得數(shù)據(jù)質(zhì)量，去除數(shù)據(jù)中的異常值，并且將TOA反射率數(shù)據(jù)及太陽(yáng)天頂角數(shù)據(jù)與太陽(yáng)短波輻射數(shù)據(jù)分開(kāi)備用； 第二部分為變換時(shí)間序列遙感數(shù)據(jù)為ConvLSTM神經(jīng)網(wǎng)絡(luò)模型相匹配的維度，即將數(shù)據(jù)維度重構(gòu)為數(shù)據(jù)數(shù)量、時(shí)間步長(zhǎng)、行、列、特征值、的五維數(shù)組張量； 當(dāng)預(yù)測(cè)多時(shí)間尺度太陽(yáng)短波輻射時(shí)， 所述步驟S2中數(shù)據(jù)的預(yù)處理包含三個(gè)部分； 第一部分為對(duì)數(shù)據(jù)質(zhì)量控制，檢查所得數(shù)據(jù)質(zhì)量，去除數(shù)據(jù)中的異常值，并且將TOA反射率數(shù)據(jù)及太陽(yáng)天頂角數(shù)據(jù)與太陽(yáng)短波輻射數(shù)據(jù)分開(kāi)備用； 第二部分為將獲得的瞬時(shí)的衛(wèi)星遙感數(shù)據(jù)進(jìn)行多時(shí)間尺度的均值化處理； 第三部分為變換時(shí)間序列遙感數(shù)據(jù)為ConvLSTM神經(jīng)網(wǎng)絡(luò)模型相匹配的維度，即將數(shù)據(jù)維度重構(gòu)為數(shù)據(jù)數(shù)量、時(shí)間步長(zhǎng)、行、列、特征值、的五維數(shù)組張量； 將步驟S2中經(jīng)過(guò)預(yù)處理的重構(gòu)數(shù)據(jù)進(jìn)行歸一化處理； S3、將獲取的預(yù)處理的時(shí)間序列多光譜遙感數(shù)據(jù)集輸入ConvLSTM網(wǎng)絡(luò)模型得到瞬時(shí)太陽(yáng)短波輻射預(yù)測(cè)數(shù)據(jù)或多時(shí)間尺度太陽(yáng)短波輻射預(yù)測(cè)，將所得到的瞬時(shí)太陽(yáng)短波輻射預(yù)測(cè)數(shù)據(jù)或多時(shí)間尺度太陽(yáng)短波輻射預(yù)測(cè)乘以太陽(yáng)輻射最大值進(jìn)行反歸一化操作，得到以當(dāng)前瞬時(shí)時(shí)刻為起點(diǎn)的自然界中真實(shí)的瞬時(shí)太陽(yáng)短波輻射預(yù)測(cè)數(shù)據(jù)或多時(shí)間尺度均值太陽(yáng)短波輻射數(shù)據(jù)； 所述ConvLSTM網(wǎng)絡(luò)模型為面向遙感圖像并結(jié)合空間注意力機(jī)制的深度學(xué)習(xí)網(wǎng)絡(luò)模型； 所述ConvLSTM網(wǎng)絡(luò)模型的基本模型公式如下： x＝SAxt,Ht-1＝SAHt-1 it＝σWxi*Xt+Whi*Ht-1+bi ft＝σWxf*Xt+Whf*Ht-1+bf gt＝tanhWxc*Xt+Whc*Ht-1+bc ot＝σWxo*Xt+Who*Ht-1+bo 其中，SA為空間注意力模塊，用以參與圖像間權(quán)重的分配，和是通過(guò)注意力機(jī)制聚合得到的模塊，即每個(gè)時(shí)間步所有位置的有選擇性獲取特征的加權(quán)值之和； Wi為各個(gè)特征對(duì)應(yīng)的權(quán)重矩陣；Ht為當(dāng)前輸入時(shí)間步長(zhǎng)的特征； it為輸入門(mén)，與之對(duì)應(yīng)的是融合之后的特征值gt； 通過(guò)輸出經(jīng)過(guò)更新的原始記憶特征ot，再經(jīng)過(guò)注意力機(jī)制的權(quán)值重新分配，使得各個(gè)時(shí)間步的特征得到更新； *意為卷積操作；o表示對(duì)應(yīng)相乘，相乘結(jié)果為哈達(dá)瑪積； bi為對(duì)應(yīng)項(xiàng)的偏置；σ為神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)的激活函數(shù)，在模型中為Relu函數(shù)；Ct中則是存儲(chǔ)的前一時(shí)刻的記憶，即記憶層； 各個(gè)網(wǎng)絡(luò)層之間通過(guò)卷積操作連接。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中山大學(xué)，其通訊地址為：510275 廣東省廣州市新港西路135號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。