公开(公告)号：CN112632311B

公开(公告)日：2023-12-15

申请号：CN202110040046.6

申请日：2021-01-13

Applicant: 南京大学

Inventor： 李文峰 ,  戴政 ,  赵康僆 ,  方元 ,  周炜栋 ,  王艺桦 ,  周逸秋 ,  周鑫 ,  陈吴涛

IPC: G06V20/00 ,  G06V10/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/62 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 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

公开(公告)号：CN112632311A

公开(公告)日：2021-04-09

申请号：CN202110040046.6

申请日：2021-01-13

Applicant: 南京大学

Inventor： 李文峰 ,  戴政 ,  赵康僆 ,  方元 ,  周炜栋 ,  王艺桦 ,  周逸秋 ,  周鑫 ,  陈吴涛

IPC: G06F16/55 ,  G06F16/58 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 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。

公开(公告)号：CN111460196A

公开(公告)日：2020-07-28

申请号：CN202010436563.0

申请日：2020-05-21

Applicant: 南京大学

Inventor： 戴政

IPC: G06F16/55 ,  G06F16/58 ,  G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 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。