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！

龙图腾网获悉南京信息工程大学申请的专利一种基于模态分解的麻雀寻优雷电预警方法及系统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：CN117077002B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311030097.6，技术领域涉及：G06F18/241；该发明授权一种基于模态分解的麻雀寻优雷电预警方法及系统是由行鸿彦;郑锦程设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本一种基于模态分解的麻雀寻优雷电预警方法及系统在说明书摘要公布了：本发明提供一种基于模态分解的麻雀寻优雷电预警方法及系统，涉及雷电预警技术领域。该基于模态分解的麻雀寻优雷电预警方法，包括对大气电场时间序列进行分解处理，得到IMF分量与残差项，计算每个IMF分量的样本熵值，并依据每个IMF分量的样本熵值进行分类重构，得到高频信号、低频信号和趋势信号；将预设的LSTM预测模型的超参数进行寻优，得到最优参数组；将大气电场时间序列划分为训练集和测试集；将高频信号、低频信号和趋势信号输入至训练后的LSTM预测模型进行预测处理。解决了往往不同地区的雷暴天气的大气电场存在差异性，因此阈值的选择往往各不相同，从而使得预警方法存在普适性差、准确率不高、实效性不强的问题。

本发明授权一种基于模态分解的麻雀寻优雷电预警方法及系统在权利要求书中公布了：1.一种基于模态分解的麻雀寻优雷电预警方法，其特征在于，包括： 对大气电场时间序列进行分解处理，得到IMF分量与残差项，计算每个IMF分量的样本熵值，并将每个IMF分量的样本熵值进行分类重构，得到高频信号、低频信号和趋势信号； 将预设的LSTM预测模型的超参数进行寻优，得到最优参数组； 将大气电场时间序列划分为训练集和测试集，将训练集中的样本输入到预设的LSTM预测模型进行模型训练，并通过测试集对训练后的LSTM预测模型进行验证； 将高频信号、低频信号和趋势信号输入至训练后的LSTM预测模型进行预测处理，将预测结果进行加总，得到大气电场时间序列的预测时序，根据预测时序进行雷电预警； 所述将预设的LSTM预测模型的超参数进行寻优，得到最优参数组，包括以下步骤： S21:使用麻雀寻优算法对预设的LSTM预测模型的超参数组进行寻优，设定麻雀种群由发现者和加入者组成，假设种群麻雀数量为n，待优化问题变量的维数为d，种群表示形式如下： S22:发现者的职责是为种群提供觅食位置，发现者的位置更新策略如下： 式中，t为当前迭代次数，itemmax为最大迭代次数；第i个麻雀在第j维中的位置信息表示为Xi,j，判断R2与ST的大小，从而更新发现者位置信息； S23:加入者位置更新如下： 发现者占据的全局最优位置Xp和全局最差位置Xwrost决定了加入者位置信息变化； S24:另外，在种群中存在10％～20％的麻雀具有危险识别能力，它们的初始位置随机生成，更新策略如下： S25:计算种群适应度，判断是否找到全局最优麻雀，若否，则返回步骤S22,继续迭代； S26:预设的LSTM预测模型首先由遗忘门ft筛选需遗忘的信息，将当前时刻输入xt、前一时刻状态ht-1代入sigmoid激活函数σ： S27:接着输入门it的sigmoid层再次对信息更新，并与tanh层相乘，对信息进行联合遗忘及保留；计算规则如下： it＝σWi·[ht-1,xt]+bi S28:随后将前一层的信息状态与遗忘向量逐点相乘，再将得到的值与输入门的输出值逐点相加，至此信息状态的更新完成；计算规则如下： S29:最后，输出门ot将新的信息状态序列{h0,h1，...,ht-1}传递到下个时间步长中去： ot＝σWo[ht-1,xt]+bo ht＝ot*tanhCt 式中，Wf、Wi、Wo分别遗忘门、输入门、输出门的权值，bf、bi、bo分别遗忘门、输入门、输出门的偏置向量。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。

以上内容由龙图腾AI智能生成。