Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨工程大学高峰获国家专利权

哈尔滨工程大学高峰获国家专利权

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!

龙图腾网获悉哈尔滨工程大学申请的专利一种利用卫星遥感数据反演海洋三维温盐场的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:CN115712807B

龙图腾网通过国家知识产权局官网在2025-08-05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:202211496372.9,技术领域涉及:G06F17/16;该发明授权一种利用卫星遥感数据反演海洋三维温盐场的方法是由高峰;毛锴;张绍晴;李云波;钟健;刘厂设计研发完成,并于2022-11-24向国家知识产权局提交的专利申请。

一种利用卫星遥感数据反演海洋三维温盐场的方法在说明书摘要公布了:本发明公开了一种利用卫星遥感数据反演海洋三维温盐场的方法,属于海洋观测领域;具体为首先,针对待处理的海洋区域,获取历史数据构建训练集;然后,构建基于U‑Net神经网络的深度学习网络模型;通过在不同卷积层建立跳跃连接,使不同卷积层中的所有信息都能在上采样过程中得到保留。接着,利用训练集对深度学习网络进行训练,得到智能反演模型。最后,输入待采集时刻的卫星遥感数据,利用智能反演模型得到对应的海洋三维温盐场;本发明由于加入了时间变量使得反演模型具备了学习时间规律特征的能力。在保证实际可行性前提下提高了反演精确度,卫星遥感数据的利用价值和利用效率,同时具备良好的通用性。

本发明授权一种利用卫星遥感数据反演海洋三维温盐场的方法在权利要求书中公布了:1.一种利用卫星遥感数据反演海洋三维温盐场的方法,其特征在于,具体包括以下步骤: 步骤一,针对待处理的海洋区域,获取历史卫星遥感数据和海洋历史再分析数据,分别构建训练样本数据集和训练标签数据集; 所述卫星遥感数据包括SST、SSS和SSH,每种数据分别是一个二维矩阵;同时,将各卫星遥感数据根据各自的时刻打上相应的时间标签,构成时间二维矩阵;然后,将3个卫星遥感数据的二维矩阵和时间二维矩阵合并成4层的三维矩阵,即构建出训练样本数据集S={S1,S2,...,Sn};同时,提取历史再分析资料中对应时刻的温盐场,构建训练标签数据集L={L1,L2,...,Ln}; 步骤二,构建基于U-Net神经网络的,包括卷积层、跳跃连接、下采样和上采样的深度学习网络模型;通过在不同卷积层建立跳跃连接,使不同卷积层中的所有信息都能在上采样过程中得到保留; 步骤三,利用训练样本数据集和训练标签数据集对深度学习网络进行训练,得到智能反演模型; 具体步骤为: 首先,人为根据实际需要设定深度学习网络的超参数:学习率和训练次数; 然后,将训练样本数据集S={S1,S2,...,Sn},以4层图片的形式输入深度学习网络中; 其中,输入数据为4*512*512;通过2次卷积变为16*512*512的三维特征矩阵S1;该矩阵S1将流向两条不同的路径: 一条路径是下采样,通过池化操作水平网格数缩小2倍,变成16*256*256,并通过2次卷积变为32*256*256的矩阵特征S2; 矩阵特征S2继续流向两条不同的路径:一条为下采样,通过池化操作水平网格数缩小2倍,变成32*128*128,并通过2次卷积变为64*128*128的矩阵特征S3; 矩阵特征S3继续流向两条不同的路径:一条为下采样,通过池化操作水平网格数缩小2倍,变成64*64*64,并通过2次卷积变为128*64*64的矩阵特征S4; 矩阵特征S4继续流向两条不同的路径:一条为下采样,通过池化操作水平网格数缩小2倍,变成128*32*32的矩阵特征S5,并通过2次卷积输出;另一条为跳跃连接,矩阵特征S4与经上采样的特征矩阵S5合并,形成64*64*64的特征矩阵S6,并通过2次卷积输出; 矩阵特征S3另一条为跳跃连接,该矩阵与经上采样的特征矩阵S6合并,形成128*128*128的特征矩阵S7,并通过2次卷积输出; 矩阵特征S2另一条为跳跃连接,该矩阵与经上采样的特征矩阵S7合并,形成64*256*256的特征矩阵S8,并通过2次卷积输出; 矩阵特征S1另一条路径是跳跃连接,该矩阵将与上采样得到的特征矩阵S8合并,形成32*512*512的特征矩阵并通过2次卷积输出; 接着,采用Adam梯度下降法作为优化器,MSEloss损失函数作为代价函数,激活函数采用ReLU;采用自适应学习率的方法逐步对U-Net神经网络中的参数进行训练,通过多次的迭代循环后得到最优的参数,将最优参数下的深度学习网络作为智能反演模型; 步骤四,输入新时刻下采集的卫星遥感数据,利用智能反演模型得到对应的海洋三维温盐场。

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哈尔滨工程大学,其通讯地址为:150001 黑龙江省哈尔滨市南岗区南通大街145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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。