-
公开(公告)号：CN106054194A
公开(公告)日：2016-10-26
申请号：CN201610305750.9
申请日：2016-05-10
Applicant: 南京信息工程大学
CPC classification number: Y02A90/18 , G01S13/951 , G01S7/411 , G01S7/417 , G01S13/955
Abstract: 本发明公开了一种星载雷达和地基雷达反射率因子数据三维融合方法，将高垂直分辨率的PR数据作为神经网络的输出，高水平分辨率、低垂直分辨率的GR数据作为输入，建立PR和GR的非线性关系，从而融合成具有高垂直和高水平分辨率的三维反射率因子数据。基于神经网络算法将PR和GR反射率因子数据三维融合，可得到强度回波的精细三维结构，这对中小尺度对流天气过程的精细探测和跟踪，以及后续的定量测量降水、中尺度预报中的雷达数据同化等后期应用都很重要。
-
公开(公告)号：CN104588049A
公开(公告)日：2015-05-06
申请号：CN201510006206.X
申请日：2015-01-07
Applicant: 南京信息工程大学
IPC: B01J27/18 , C07D313/04 , C07D313/10
CPC classification number: Y02P20/584
Abstract: 本发明提供一种固体酸催化剂及制备方法和应用，该催化剂应用于Baeyer-Villiger氧化反应催化环酮类转化为对应内酯，活性位利用率高、选择性好、稳定性好，易于循环再利用。固体酸催化剂由催化剂的活性组份和载体两部分组成，所述载体为磷酸氢锆纳米片，所述活性组份为镧、钇、铝、钕、铈、铬、锌、铟、锡、钪、镨、钷、钐、铕、钆、铽、镝、钬、铒、铥、镱、镥金属离子中的一种或几种的组合；所述固体酸催化剂中金属组分与磷酸氢锆的摩尔比为（1：5）~（5：1）。
-
公开(公告)号：CN110263838B
公开(公告)日：2023-04-18
申请号：CN201910510621.7
申请日：2019-06-13
Applicant: 南京信息工程大学
Abstract: 本发明公开一种多传感器降水估计融合方法，首先基于小波域HMT模型自适应滤波的方法分别进行雷达(DPR/GR)降水估计数据和雨量计数据融合；然后将经雨量计滤波后的DPR和GR降水估计数据在小波域进行多尺度分解和融合，得到高精度高分辨率降水估计结果。本发明的融合过程考虑了不同传感器降水估计的不确定性、降水数据的小波域统计和几何特征，融合的结果降低单一传感器不确定性的同时，可更好的保持和重建强降水极值、小尺度变化等细节特征。
-
Patent Agency Ranking
公开(公告)号：CN110222783B
公开(公告)日：2023-04-07
申请号：CN201910510262.5
申请日：2019-06-13
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于小波域正则化的地基和星载雷达降水数据融合方法，本发明基于雷达降水数据小波域统计特征，选取合适的降水数据的先验模型，确定地基和星载雷达降水数据小波分解后尺度系数融合和小波系数融合的正则化函数，随后在小波域内利用梯度投影法求解降水数据尺度系数及小波系数的最大后验估计，最后进行小波反变换得到最优降水估计。本发明的融合过程考虑了不同传感器降水估计的不确定性、降水数据的小波域统计特征，融合结果降低单一传感器不确定性的同时，可更好的保持和重建强降水极值、小尺度变化等细节特征，从而更有利于洪水监测等强灾害天气的监测和预报。
-
公开(公告)号：CN104588049B
公开(公告)日：2016-11-09
申请号：CN201510006206.X
申请日：2015-01-07
Applicant: 南京信息工程大学
IPC: B01J27/18 , C07D313/04 , C07D313/10
CPC classification number: Y02P20/584
Abstract: 本发明提供一种固体酸催化剂及制备方法和应用，该催化剂应用于Baeyer‑Villiger氧化反应催化环酮类转化为对应内酯，活性位利用率高、选择性好、稳定性好，易于循环再利用。固体酸催化剂由催化剂的活性组份和载体两部分组成，所述载体为磷酸氢锆纳米片，所述活性组份为镧、钇、铝、钕、铈、铬、锌、铟、锡、钪、镨、钷、钐、铕、钆、铽、镝、钬、铒、铥、镱、镥金属离子中的一种或几种的组合；所述固体酸催化剂中金属组分与磷酸氢锆的摩尔比为（1：5）~（5：1）。
-
公开(公告)号：CN106054194B
公开(公告)日：2018-04-03
申请号：CN201610305750.9
申请日：2016-05-10
Applicant: 南京信息工程大学
CPC classification number: Y02A90/18
Abstract: 本发明公开了一种星载雷达和地基雷达反射率因子数据三维融合方法，将高垂直分辨率的PR数据作为神经网络的输出，高水平分辨率、低垂直分辨率的GR数据作为输入，建立PR和GR的非线性关系，从而融合成具有高垂直和高水平分辨率的三维反射率因子数据。基于神经网络算法将PR和GR反射率因子数据三维融合，可得到强度回波的精细三维结构，这对中小尺度对流天气过程的精细探测和跟踪，以及后续的定量测量降水、中尺度预报中的雷达数据同化等后期应用都很重要。
-
公开(公告)号：CN110263838A
公开(公告)日：2019-09-20
申请号：CN201910510621.7
申请日：2019-06-13
Applicant: 南京信息工程大学
Abstract: 本发明公开一种多传感器降水估计融合方法，首先基于小波域HMT模型自适应滤波的方法分别进行雷达(DPR/GR)降水估计数据和雨量计数据融合；然后将经雨量计滤波后的DPR和GR降水估计数据在小波域进行多尺度分解和融合，得到高精度高分辨率降水估计结果。本发明的融合过程考虑了不同传感器降水估计的不确定性、降水数据的小波域统计和几何特征，融合的结果降低单一传感器不确定性的同时，可更好的保持和重建强降水极值、小尺度变化等细节特征。
-
公开(公告)号：CN110222783A
公开(公告)日：2019-09-10
申请号：CN201910510262.5
申请日：2019-06-13
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于小波域正则化的地基和星载雷达降水数据融合方法，本发明基于雷达降水数据小波域统计特征，选取合适的降水数据的先验模型，确定地基和星载雷达降水数据小波分解后尺度系数融合和小波系数融合的正则化函数，随后在小波域内利用梯度投影法求解降水数据尺度系数及小波系数的最大后验估计，最后进行小波反变换得到最优降水估计。本发明的融合过程考虑了不同传感器降水估计的不确定性、降水数据的小波域统计特征，融合结果降低单一传感器不确定性的同时，可更好的保持和重建强降水极值、小尺度变化等细节特征，从而更有利于洪水监测等强灾害天气的监测和预报。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
