摘要
本发明涉及一种基于深度学习的电磁波雨衰减预测方法，属于电磁波雨衰减预测技术领域。本发明通过收集实验场地的单位距离雨衰减、降雨率、设备频段和极化方式的数据，利用深度学习模型拟合出特定场地的单位距离雨衰减与降雨率、设备频率和极化方式之间的关系。输入数据包括降雨率、频率和极化方式，输出为单位距离雨衰减、基于经典的ITU‑R雨衰减模型的k和α参数。该方法可实现对电磁波雨衰减特性的精确建模和预测，相较于传统模型，能够提供更精确的场景适应性和优化效果。此外，本发明的模型训练过程采用早停机制，确保在达到预定准确度后保存最优模型参数。
