買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中山大學申請的專利一種粒子直徑約束的PM_2.5深度學習遙感估算方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114334027B 。

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111340135.9，技術領域涉及：G16C20/20；該發明授權一種粒子直徑約束的PM_2.5深度學習遙感估算方法是由李同文;陰順超;程曉;吳金橄;王天星設計研發完成，并于2021-11-12向國家知識產權局提交的專利申請。

本一種粒子直徑約束的PM_2.5深度學習遙感估算方法在說明書摘要公布了：本發明公開了一種粒子直徑約束的PM2.5深度學習遙感估算方法，基于衛星遙感氣溶膠光學厚度AOD、再分析資料、地面站點觀測數據等構建深度神經網絡模型，利用PM1、PM2.5及PM10三者粒子直徑大小的先驗關系即PM1濃度≤PM2.5濃度≤PM10濃度建立約束條件，并基于此構建深度神經網絡損失函數的約束項，提出粒子直徑約束的PM2.5深度學習遙感估算方法。本發明能夠緩解深度學習PM2.5估算中出現的高值低估和低值高估現象，提升PM2.5遙感估算的精度，可廣泛應用于PM2.5濃度遙感估算技術領域。

本發明授權一種粒子直徑約束的PM_2.5深度學習遙感估算方法在權利要求書中公布了：1.一種粒子直徑約束的PM2.5深度學習遙感估算方法，其特征在于，包括：獲取站點觀測數據、再分析資料、衛星遙感數據和輔助數據，所述站點觀測數據包括PM2.5站點數據和PM10站點數據；其中，所述獲取再分析資料，包括以下至少之一：獲取氣象條件數據；獲取空氣質量數據；所述獲取空氣質量數據，包括以下至少之一：獲取PM1濃度；獲取PM2.5濃度；根據所述再分析資料，結合所述PM2.5站點數據，獲取PM1等效觀測數據；其中，所述根據所述再分析資料，結合所述PM2.5站點數據，獲取PM1等效觀測數據，包括：根據所述再分析資料中所述PM1濃度和所述PM2.5濃度的比例關系，結合所述PM2.5站點數據進行PM1等效觀測計算，獲取PM1等效觀測數據，所述PM1等效觀測的表達式為： 其中，PM1表示PM1等效觀測PM1數據，PM1再分析資料表示由再分析資料獲取的PM1濃度，PM2.5再分析資料表示由再分析資料獲取的PM2.5濃度，PM2.5表示站點觀測PM2.5數據；根據所述PM1等效觀測數據、所述PM2.5站點數據和所述PM10站點數據，結合粒子直徑大小的先驗關系，確定粒子直徑約束的神經網絡損失函數；其中，所述根據所述PM1等效觀測數據、所述PM2.5站點數據和所述PM10站點數據，結合粒子直徑大小的先驗關系，確定粒子直徑約束的神經網絡損失函數，包括：根據所述PM1等效觀測數據、所述PM2.5站點數據和所述PM10站點數據，結合PM1、PM2.5和PM10之間的濃度數值大小的先驗關系，確定PM2.5遙感估算的約束條件；根據所述約束條件，確定粒子直徑約束的神經網絡損失函數，所述神經網絡損失函數的表達式為： 其中，N為樣本數量，i表示第i個樣本，PM2.5表示由站點觀測數據獲取的PM2.5數據，表示PM2.5估算模型估算的PM2.5數據，λ1、λ2表示正則化參數，ψPM1表示PM1約束項，ψPM10表示PM10約束項，ReLU表示線性整流函數，PM1表示PM1等效觀測數據，PM10表示由站點觀測獲取的PM10數據；基于深度神經網絡，結合所述神經網絡損失函數，構建PM2.5估算模型；其中，所述基于深度神經網絡，結合所述神經網絡損失函數，構建PM2.5估算模型，包括：根據所述衛星遙感數據和所述輔助數據，構建深度神經網絡，所述深度神經網絡的表達式為：PM2.5＝fAOD,x1,x2,x3,...，其中，PM2.5表示深度神經網絡估算的PM2.5數據；f表示深度神經網絡，AOD表示衛星遙感氣溶膠光學厚度數據，x1,x2,x3,...表示輔助數據；根據樣本庫，對所述PM2.5估算模型進行訓練與優化，確定所述PM2.5估算模型的最佳參數；將所述再分析資料、所述衛星遙感數據和所述輔助數據輸入確定所述最佳參數后的PM2.5估算模型，得到PM2.5估算結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學，其通訊地址為：510275 廣東省廣州市海珠區新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。