一种基于全连接神经网络的反演降水潜热垂直廓线的方法

技术特征：
1.一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，该方法包括：获取降水率垂直梯度数据和对应的温度数据；对降水率垂直梯度数据和温度数据进行预处理；基于降水率垂直梯度数据和温度数据构建数据集，并基于数据集训练基于全连接神经网络的反演降水潜热垂直廓线的网络，得到训练好的降水潜热反演网络；将待反演的降水率垂直梯度数据和温度数据进行预处理，再将预处理后的待反演的降水率垂直梯度数据和温度数据输入训练好的降水潜热反演网络，得到降水潜热反演结果。2.如权利要求1所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述降水率垂直梯度数据和对应的温度数据的获取方法包括：利用wrf模式模拟获得包含降水率、温度、高度、潜热数据的输出变量，进而计算得到降水率垂直梯度数据和温度数据。3.如权利要求1所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述预处理包括：将地表以下的降水率垂直梯度和潜热赋值为0，异常值和缺省值利用其四周相邻数据的均值进行填充；对数据进行归一化处理。4.如权利要求1所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述降水潜热反演网络，包括：两个特征表征网络，用于分别对降水率垂直梯度数据和温度数据进行特征提取；特征融合模块，用于将两个特征表征网络的特征提取结果进行特征融合和提取；决策网络，用于根据特征融合模块输出的特征进行对降水潜热垂直廓线预测，得到降水潜热垂直廓线。5.如权利要求4所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述特征表征网络由三个依次连接的模块构成，且每个模块均由一个全连接层和一个非线性激活层依次连接组成；所述特征融合模块由一个concatenate层、一个全连接层和一个非线性激活层依次连接组成；所述决策网络由三个依次连接的模块构成，前两个模块均由一个全连接层和一个非线性激活层组成，最后一个模块仅有一个全连接层。6.如权利要求4所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述降水潜热反演网络采用mse损失函数计算潜热反演损失loss。7.如权利要求4所述的一种基于全连接神经网络的反演降水潜热垂直廓线的方法，其特征在于，所述降水潜热反演网络采用反向传播算法训练。

技术总结
本发明提供了一种基于全连接神经网络的反演降水潜热垂直廓线的方法，涉及降水潜热反演技术领域。本发明选用降水率的垂直梯度和温度的组合作为输入变量，并通过利用全连接神经网络强大的非线性映射能力进行降水潜热反演，可以更加准确的获取复杂大气环境下，降水率的垂直梯度和温度与潜热之间的函数表达，从而获得更加精确的降水潜热反演结果。得更加精确的降水潜热反演结果。得更加精确的降水潜热反演结果。


技术研发人员：赵宏伟 李锐
受保护的技术使用者：中国科学技术大学
技术研发日：2022.11.08
技术公布日：2023/2/3