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短临降水预测方法、装置、终端设备及存储介质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：CN116755095B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310231314.1，技术领域涉及：G01S13/95；该发明授权一种短临降水预测方法、装置、终端设备及存储介质是由程海浪;许小龙;崔萌萌;程勇;刘琦设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本一种短临降水预测方法、装置、终端设备及存储介质在说明书摘要公布了：本发明公开了一种基于GRU与LSTM时空融合的短临降水预测方法，包括以下步骤：步骤1，读取本地雷达数据，进行数据预处理操作；步骤2，将处理后的数据进行划分，分别为训练集、测试集、和验证集；步骤3，设计ST‑LSGRU基本模块，堆叠4层构建雷达回波外推模型；步骤4，输入训练集，初始化模型参数，训练网络模型，保存模型参数；步骤5，使用验证集测试模型性能，优化模型超参数，训练网络模型，保存模型参数；步骤6，加载保存的模型参数，输入测试集，得到雷达外推结果，通过Z‑R关系式，得到未来一段时间的降水量。本方法能够解决长时间序列预测而产生的梯度消失问题，能够有效的提高模型针对强降水天气预测的结果的清晰度和稳定性。

本发明授权一种短临降水预测方法、装置、终端设备及存储介质在权利要求书中公布了：1.一种基于GRU与LSTM时空融合的短临降水预测方法，其特征在于，包括以下步骤： S1、读取雷达数据，将数据进行筛选、去噪、清洗和增强操作，获得处理后的雷达数据张量； S2、将步骤S1得到的雷达数据张量进行划分，分别为训练集、验证集和测试集，并且对这三个数据集进行切片操作，分为输入序列和预测序列，归一化后，统一数据格式； S3、构建ST-LSGRU基本模块,将其进行最优堆叠，构成雷达回波外推模型；步骤S3具体包括以下步骤： S3-1：构建ST-LSGRU基本模块，若该模块位于第1层，即当l=1时，则输入状态x为当前时刻输入的由雷达回波图转换而成的张量；若该模块非第1层单元，即l1时，则将t时刻输出的隐藏状态作为该模块的输入状态；ST-LSGRU首先将输入状态和t-1时刻与该单元上一层输出的隐藏状态传入，经过两个不同卷积滤波器得到重置门和更新门，公式表达如下： 式中，表示卷积，表示Sigmoid函数，； 将输入状态和时空记忆传入ST-LSGRU，经过三个不同卷积滤波器得到遗忘门、输入门和输入调制门；通过遗忘门和哈达玛积运算实现对时间记忆M中的过去时刻非重要特征进行遗忘；输入门和输入调制门进行逐元素相加实现对记忆中特征的更新，得到时空记忆，公式表达如下： 式中，表示矩阵的点乘运算，表示双曲正切激活函数，公式表达如下： ； 随后使用卷积滤波器对输入状态，隐藏状态和更新后的时空记忆进行卷积操作，得到新信息；将通过重置门与更新门进行更新，得到，公式表达如下： 式中，表示卷积； S3-2：将ST-LSGRU模块以一种残差的方式堆叠4层，每隔一层进行一次残差连接；堆叠结构的第1层和第2层间嵌入多个粗略特征快传单元；在时间维度上构成粗略特征快传总线；经过两个不同的卷积滤波器W和W的作用后，得到状态P和S；然后通过哈达玛积和逐元素加法运算，实现粗略特征状态的更新，得到当前时刻本单元的输出计算方式如下所示： S4、初始化步骤S3建立的雷达回波外推模型的参数，设置超参数，输入步骤S2划分的训练集对雷达回波外推模型进行训练；得到模型训练参数； S5、将步骤S2划分的验证集输入雷达回波外推模型进行训练，每进行一定轮数的训练后,验证雷达回波外推模型预测结果走向，通过调整超参数让雷达回波外推模型达到稳定的梯度更新方向，然后使用步骤S2划分的训练集继续训练雷达回波外推模型，训练结束后，保存雷达回波外推模型参数； S6、加载步骤S5保存的雷达回波外推模型模型参数并进行冻结，将测试集输入到训练好的雷达回波外推模型中，通过Z-R变换，得到降水预测结果。

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：210032 江苏省南京市江北新区宁六路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。