本发明涉及自然灾害预测技术领域,尤其涉及一种基于卷积神经网络学习的强对流天气识别算法,本发明首先采集历史天气流型模型,然后通过卷积神经网络训练学习,对历史天气流型通过训练学习得到识别模型;然后通过雷达实时气象图采取实时的暴雨天气流型模型,再通过步骤一中训练得到的识别模型对实时的天气流型模型进行识别;再判断步骤二中识别出的天气流型模型的实时天气系统是否位于被监测的关键区内;如果是,则输出符合发生地质灾害天气流型;如果否,则继续进行实时的识别。该方法对强对流天气的雷达图像进行实时的识别,通过卷积神经网络学习训练得到的模型进行识别,能有效的得到不同的天气模型和判断在被监测区域的灾害模型。
声明:
“基于卷积神经网络学习的强对流天气识别算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)