欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025104251632
申请人: 广州鼎航知识产权服务有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一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以及GPS数据文件,所述有效观测值包括温度、气压和对应的时间序列,GPS数据文件包括观测文件,导航文件,时钟文件和精密星历文件,根据有效观测值以及GPS数据文件计算得到大气水汽含量;

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,预测时将大气水汽含量与当前时刻大气水汽含量之间的差值作为输入特征之一,再加上前一个小时的温度与降雨量参与预测当前时刻的降雨概率;

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,预测时输入的数据包括前一个小时的温度和年积日以及前两个小时大气水汽含量和降雨量;

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。

2.根据权利要求1所述的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,所述大气水汽含量的计算方法为:首先通过大地测量型接收机以及IGS官网获得GPS数据文件,通过对GPS数据文件进行解算得到对流层延迟,并通过Sa经验模型解算得到对流层干延迟;

然后利用对流层延迟、气压、对流层干延迟、温度与转换因子之间的转换关系计算得到大气水汽含量。

3.根据权利要求1所述的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,所述基于LSTM机器学习方法的降雨事件预测模型训练时,所有输入参数在模型训练前进行归一化处理。

4.根据权利要求3所述的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,所述基于LSTM机器学习方法的降雨事件预测模型训练时,将大气水汽含量作为输入参数,选取采用以下标准:若当前时刻没有降雨,则选择前一个时刻的大气水汽含量作为参考大气水汽含量;若当前时刻开始降雨,则选择首次降雨时的大气水汽含量作为参考大气水汽含量;若降雨持续超过五小时,则将第六小时的大气水汽含量作为新的参考大气水汽含量。

5.根据权利要求1所述的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,所述基于SVR和GMDH的融合机器学习方法进行降雨量预测模型训练时,需对输入的数据进行归一化处理。

6.根据权利要求1所述的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,所述基于SVR和GMDH的融合机器学习方法进行降雨量预测模型包括SVR模型和GMDH模型两个并行子模型。

7.根据权利要求6所述的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,所述SVR模型训练时通过调整正则化参数、epsilon-不敏感损失函数和核函数来优化。

8.根据权利要求6所述的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,所述GMDH模型则通过选择最佳的多项式组合来捕捉非线性特征。