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！

龙图腾网获悉中山大学申请的专利基于CNN-LSTM模型的地波雷达数据质量控制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：CN119471602B 。

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：202411558793.9，技术领域涉及：G01S7/40；该发明授权基于CNN-LSTM模型的地波雷达数据质量控制方法是由韦骏;许毅设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于CNN-LSTM模型的地波雷达数据质量控制方法在说明书摘要公布了：本发明公开了一种基于CNN‑LSTM模型的地波雷达数据质量控制方法，方法包括：通过根据雷达回波数据的准确度差异，确定受地形影响的雷达探测数据范围；根据所述雷达探测数据范围，对CNN‑LSTM神经网络进行训练，得到目标模型；根据所述目标模型对受地形影响区域的雷达数据进行校正，得到校正后的雷达数据。本发明实施例能够结合实际海洋环境信息，对受海岸线、岛屿等地形影响的雷达探测数据进行校正，提高雷达探测数据合成的海流方向准确性，可广泛应用于计算机技术领域。

本发明授权基于CNN-LSTM模型的地波雷达数据质量控制方法在权利要求书中公布了：1.一种基于CNN-LSTM模型的地波雷达数据质量控制方法，其特征在于，包括以下步骤： 根据雷达回波数据的准确度差异，确定受地形影响的雷达探测数据范围; 根据所述雷达探测数据范围，对CNN-LSTM神经网络进行训练，得到目标模型； 根据所述目标模型对受地形影响区域的雷达数据进行校正，得到校正后的雷达数据； 所述根据所述雷达探测数据范围，对CNN-LSTM神经网络进行训练，得到目标模型，包括以下步骤： 根据CNN-LSTM神经网络建立初始模型； 以需校正数据点为中心点的9×9的矩阵作为CNN-LSTM神经网络的输入数据； 将CNN-LSTM神经网络的训练周期设置为200轮,网络模型的权重参数使用Adam优化算法进行更新,初始学习速率设置为0.001； 在对网络模型进行的训练中，对卷积层层数、卷积核大小以及LSTM模块的隐藏层层数进行调整； 确定最终的网络结构，将所有输入训练数据作为训练集，训练神经网络，当达到目标最小误差并保持相对稳定时结束训练，生成雷达数据校正模型作为所述目标模型； 所述以需校正数据点为中心点的9×9的矩阵作为CNN-LSTM神经网络的输入数据，包括以下步骤： 根据观测的海流u、v分量合成速度、潮汐流速u分量、潮汐流速v分量、风速u分量、风速v分量以及海拔数据，构建CNN模块的输入数据矩阵，其中，每批次输入数据包含t、t+1、…、t+9共10个时间步长的矩阵数据；输入矩阵数据经过两次卷积和池化操作后,展平输入到LSTM模块,LSTM模块的输出与展平后的海拔数据进行组合,最后通过全连接层FC输出校正后的10个时间步长的u、v分量； 对输入数据进行归一化处理，所述归一化处理的表达式为： 其中，代表归一化结果；代表输入项中的原始数据；代表原始数据的最大值；代表原始数据的最小值； 将归一化处理后的输入训练数据，随机分成80%和20%两部分，分别作为训练集和测试集，用于训练网络参数和测试网络性能。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。