公开(公告)号：CN116106856B

公开(公告)日：2023-08-18

申请号：CN202310392594.4

申请日：2023-04-13

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 朱启重 ,  李旭涛 ,  叶允明

IPC: G01S7/41 ,  G01S13/95 ,  G01W1/10 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种雷暴大风的识别模型建立方法、识别方法及计算设备，涉及图像识别领域，方法包括根据雷达回波图像构建训练集；对训练集中的雷达回波图像进行标准化，获得标准化数据；将标准化数据中雷达回波强度真实值与训练过程中输出的预报值的平均值之间的误差作为初始模型中损失函数的参数；根据损失函数生成的损失值，对初始模型进行多次迭代，得到雷暴大风识别模型；初始模型包括时空卷积神经网络模型、CBAM注意力机制以及多尺度残差网络模型。利用雷暴大风识别模型在时空两个维度都进行卷积循环操作，增强重要特征，抑制不必要特征，从而实现增加图像的表征力，充分利用雷达回波数据的信息，提高识别雷暴大风的准确率。

公开(公告)号：CN116106856A

公开(公告)日：2023-05-12

申请号：CN202310392594.4

申请日：2023-04-13

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 朱启重 ,  李旭涛 ,  叶允明

IPC: G01S7/41 ,  G01S13/95 ,  G01W1/10 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种雷暴大风的识别模型建立方法、识别方法及计算设备，涉及图像识别领域，方法包括根据雷达回波图像构建训练集；对训练集中的雷达回波图像进行标准化，获得标准化数据；将标准化数据中雷达回波强度真实值与训练过程中输出的预报值的平均值之间的误差作为初始模型中损失函数的参数；根据损失函数生成的损失值，对初始模型进行多次迭代，得到雷暴大风识别模型；初始模型包括时空卷积神经网络模型、CBAM注意力机制以及多尺度残差网络模型。利用雷暴大风识别模型在时空两个维度都进行卷积循环操作，增强重要特征，抑制不必要特征，从而实现增加图像的表征力，充分利用雷达回波数据的信息，提高识别雷暴大风的准确率。