买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军陆军工程大学申请的专利一种雷暴大气电场变化规律的预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114580297B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210240835.9，技术领域涉及：G06F30/27；该发明授权一种雷暴大气电场变化规律的预测方法是由张琪;石立华;陈海林;段艳涛;付尚琛设计研发完成，并于2022-03-10向国家知识产权局提交的专利申请。

本一种雷暴大气电场变化规律的预测方法在说明书摘要公布了：本发明公开一种雷暴大气电场变化规律的预测方法，包括如下步骤：构建有向无环图网络：利用函数式API构建双路有向无环图深度学习网络，并行的两条支路均由1维卷积神经网络结构和长短时记忆神经网络结构顺序连接而成；训练有向无环图网络：将大气电场特性数据划分为覆盖时段相同的若干个数据样本，输入网络进行训练；预测大气电场变化规律：获取新的大气电场数据样本，输入训练好的网络，输出为未来时刻的大气电场；绘制循环预测的输出即可得到电场变化曲线及规律。

本发明授权一种雷暴大气电场变化规律的预测方法在权利要求书中公布了：1.一种雷暴大气电场变化规律的预测方法，其特征在于，包括如下步骤： 步骤10、构建有向无环图网络：利用函数式API构建双路有向无环图深度学习网络，并行的两条支路均由1维卷积神经网络结构和长短时记忆神经网络结构顺序连接而成； 1维卷积神经网络结构包括1层1维卷积层和1层最大值池化层；长短时记忆神经网络结构包括1层长短时记忆神经网络层和1层张量整形层；两条支路的输出经数据融合，进入1层光栅化层，之后进入2层全连接层，输出电场值；在最外层的全连接层中加入用于避免过拟合的L1范数和L2范数正则化； 步骤20、训练有向无环图网络：将大气电场特性数据划分为覆盖时段相同的若干个数据样本，输入网络进行训练； 具体的包括以下步骤： 步骤21、大气电场特性数据构建：大气电场特性数据为原始数据、原始数据向后逐行做差和原始数据前向差分构成的3列数据，其中，原始数据为等时间间隔Δt采样获得的大气电场数据；原始数据向后逐行做差为原始数据列中f1-f2，f2-f3，…，fn-1-fn，…，fN-1-fN，并在末位补零；原始数据前向差分为原始数据列中f2-f1，f3-f2，…，fn-fn-1…，fN-fN-1，并在末位补零；逐列数据减去各自的均值后，再除以各自的标准差进行数据标准化，即得到大气电场特性数据；其中，末位补零是为了保证3列数据长度一致；n为行序号，fn为原始数据列中第n行的大气电场；N为总行数； 步骤22、数据样本构建：以时间段ΔT内的大气电场特性数据为输入，以输入延迟时间ΔT1后对应的大气电场为输出，构成1个训练样本，即每个样本中的输入数据为M行3列的矩阵，输出为1个元素，其中，M＝ΔTΔt，其中Δt为时间间隔；在所述步骤21的大气电场特性数据行方向上滑动时间段ΔT，得到J个训练样本； 步骤23、网络训练：随机打乱获得的J个样本的顺序，并将样本循环输入所述步骤10构建的有向无环图网络进行训练；记录验证损耗，当验证损耗连续E个Epochs不下降后终止训练；其中，训练初始参数满足截断正态分布； 步骤30、预测大气电场变化规律：获取新的大气电场数据样本，输入训练好的网络，输出为未来时刻的大气电场；绘制循环预测的输出即得到电场变化曲线及规律。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军陆军工程大学，其通讯地址为：210007 江苏省南京市秦淮区后标营路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。