公开(公告)号：CN119937063A

公开(公告)日：2025-05-06

申请号：CN202510425163.2

申请日：2025-04-07

Applicant: 杭州电子科技大学

Inventor： 陈聪 ,  苏明坤 ,  杜俊瑶 ,  潘凌飒 ,  尚俊娜 ,  乔磊 ,  吴政涛

IPC: G01W1/10 ,  G01W1/14 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于降雨事件约束和混合机器学习策略的降雨量预测方法，其特征在于，包括如下步骤：步骤1、提取历史的有效观测值，并计算得到参考大气水汽含量；步骤2、构建并训练基于LSTM机器学习方法的降雨事件预测模型；步骤3、构建并训练基于SVR和GMDH的融合机器学习方法进行降雨量预测模型，并采用HS算法优化模型参数及其组合权重；步骤4、将步骤2中预测得到的降雨时间预测结果与步骤3预测得到降雨量结果相乘，获得最终的有效降雨量结果。该方法克服了传统降雨事件预测算法因忽略时间相关性导致预测成功率低、错误率高等问题。

公开(公告)号：CN118780154A

公开(公告)日：2024-10-15

申请号：CN202410758920.3

申请日：2024-06-13

Applicant: 杭州电子科技大学

Inventor： 汪锦安 ,  苏明坤 ,  尚俊娜 ,  胡淼 ,  吴俊 ,  潘凌飒

IPC: G06F30/27 ,  G06F17/18 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0499 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0442 ,  G06N3/0455 ,  G01W1/00 ,  G01W1/10 ,  G06F119/10

Abstract: 本发明公开了一种基于卷积神经网络的北斗导航系统短时降雨预测方法，包括如下步骤：步骤1、获取历史大气可降雨量数据，并对其进行归一化处理；步骤2、初步构建并训练卷积神经网络预测模型；步骤3、使用北斗精密单点定位方法计算得到对流层总延迟ZTD，并利用Sa经验模型解算对流层静力学延迟ZHD；步骤4、利用对流层总延迟、对流层湿延迟和对流层静力学延迟的关系解算对流层湿延迟；步骤5、根据大气可降雨量和对流层湿延迟的对应关系，通过计算得到大气可降雨量；步骤6、将大气可降雨量数据作为输入进行预测。该算法能够有效克服稀疏或临时搭建北斗观测站因缺乏历史数据而无法对短时降雨预测进行有效建模，导致现有预测算法失效的问题。