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！

龙图腾网获悉中国长江电力股份有限公司申请的专利一种微波衰减数据多时间尺度组合判别的晴雨期分类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：CN120067833B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510198214.2，技术领域涉及：G06F18/2411；该发明授权一种微波衰减数据多时间尺度组合判别的晴雨期分类方法是由涂杰;刘帅;徐卫立;易香妤;张玉松;张微设计研发完成，并于2025-02-22向国家知识产权局提交的专利申请。

本一种微波衰减数据多时间尺度组合判别的晴雨期分类方法在说明书摘要公布了：本发明提供一种微波信号多时间尺度组合判别的晴雨期分类方法，涉及降水监测技术领域，包括获取目标流域内的微波衰减信号强度数据以及地面站的雨量数据；数据预处理；选取并统计不同时间尺度下的各微波衰减信号的特征值形成特征矩阵，并将其作为机器学习模型的数据集；选取数据集的前75%作为训练集，分别训练不同时间尺度的机器学习模型；通过贝叶斯优化确定最优参数；选取数据集的后25%作为验证集，分别验证不同时间尺度的机器学习模型；采用目标流域实测数据驱动验证后的模型，得到不同时间尺度的判别结果，并通过权重因素记分法判别降雨期，从而可以融合多种时间尺度的特征信息，弥补单一时间尺度判别的局限性，提升了降雨期判别的可靠性。

本发明授权一种微波衰减数据多时间尺度组合判别的晴雨期分类方法在权利要求书中公布了：1.一种微波信号多时间尺度组合判别的晴雨期分类方法，其特征在于，包括： 获取目标流域的微波衰减信号数据以及地面站的雨量数据； 对所述微波衰减信号数据进行预处理； 选取并统计不同时间尺度下的预处理后的微波衰减信号数据的特征值，确定对应的特征矩阵，并结合所述雨量数据，构建机器学习模型的输入数据集； 将所述输入数据集划分为训练集和验证集，基于所述训练集分别训练不同时间尺度的机器学习模型； 通过贝叶斯优化算法确定不同时间尺度的机器学习模型的最优参数； 基于所述验证集分别验证不同时间尺度的机器学习模型的效果； 基于所述微波衰减信号数据，确定不同时间尺度的机器学习模型的降雨期模型判别结果，并采用权重因素记分法根据所述降雨期模型判别结果确定最终降雨期判别结果； 所述选取并统计不同时间尺度下的预处理后的微波衰减信号数据的特征值，确定对应的特征矩阵，并结合所述雨量数据，构建机器学习模型的输入数据集，具体包括： 选取并统计不同时间尺度下的预处理后的微波衰减信号数据的特征值，构建对应的特征矩阵其中，分别表示微波链路长度、微波衰减信号频率、微波衰减信号均值、微波衰减信号中位数、微波衰减信号最大值、微波衰减信号最小值；k表示微波衰减信号数据的序列编号，k＝1,2,…,n； 根据所述雨量数据确定标签值yk，根据所述特征矩阵和所述标签值，构建所述机器学习模型的输入数据集Q＝{xk,yk}，并确定15分钟、1小时分辨率对应的数据集Q1、Q2，其中，标签值yk取值为0，表示非降雨期，标签值yk取值为1，表示降雨期； 基于所述数据集Q1对应的训练集，设置支持向量机模型的参数，并选择高斯径向基核函数作为所述支持向量机模型的核函数，所述高斯径向基核函数的计算公式如下： 式中，Kxk,yk表示高斯径向基核函数；||xk-yk||表示特征矩阵xk与标签值yk的欧几里得距离；σ表示高斯径向基核函数的宽度，σ0；exp表示以自然常数e为底的指数函数； 基于所述数据集Q2对应的训练集，设置类别提升模型的参数，并创建数据池。

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长江电力股份有限公司，其通讯地址为：100089 北京市海淀区玉渊潭南路1号B座；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”。

以上内容由龙图腾AI智能生成。