一种基于深度学习的草地生态预测方法及系统

    公开(公告)号:CN118823573A

    公开(公告)日:2024-10-22

    申请号:CN202410817757.3

    申请日:2024-06-24

    Abstract: 本发明公开了一种基于深度学习的草地生态预测方法及系统,草地生态预测方法包括:S10、采集卫星遥感数据并进行遥感预处理,提取草地类型数据并进行分析计算得到地表植被指数;S20、引入草地生态系统相关影响因子,包括降水量等,然后对地表植被指数和草地生态系统相关影响因子进行数据预处理和数据清洗后,构建时序数据集;S30、结合3D‑Timesblock模块与长方体注意力机制构建层级编码‑解码架构的时序预测模型,并将时序数据集输入时序预测模型中进行训练;S40、将训练好的深度学习时序预测模型部署在服务器端并创建API接口;S50、搭建草地生态监测平台前后端,对数据库建模设计,并在后端调用模型预测,前端展示预测结果。本方法提高了处理效率和预测精度。

    确定入射信号来波方向的方法、装置、介质及设备

    公开(公告)号:CN109358312A

    公开(公告)日:2019-02-19

    申请号:CN201811348931.5

    申请日:2018-11-13

    Abstract: 本发明提供了一种确定入射信号来波方向的方法,基于等离子鞘环境,包括:建立等离子鞘环境下的天线阵列;采用空间平滑算法,对所述天线阵列进行解相关,获得所述天线阵列修正后的协方差矩阵;采用互耦校准算法,根据修正后的协方差矩阵,对所述天线阵列的空间谱函数进行处理,获得不含互耦系数的空间谱函数;搜索所述不含互耦系数的空间谱函数的极大值,确定入射信号的来波方向。通过结合空间平滑算法和互耦校准算法,能够得到不含互耦系数的空间谱函数,再通过不含互耦系数的空间谱函数确定入射信号的来波方向,能够减弱多径效应与天线耦合这两种误差对入射信号来波方向确定的影响,进而能估算出更加准确的来波方向。

Patent Agency Ranking