-
公开(公告)号：CN119885844A
公开(公告)日：2025-04-25
申请号：CN202411838403.3
申请日：2024-12-13
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 南京信息工程大学
IPC: G06F30/27 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于单目光学影像的水面高度场反演方法及系统，该方法将水面单目光学影像输入训练好的水面高度场反演模型，得到水面单目光学影像中每个像素点的预测水面高度场；通过模拟波浪计算模拟水面高度场，作为模型标签数据，计算每个像素点的图像亮度建立水面合成图像，将水面合成图像经过预处理后输入U‑Net网络进行训练，得到训练好的水面高度场反演模型。本发明基于单目光学影像和人工智能方法实现对水面高度场的反演，有效解决双目立体成像技术中实现过程复杂、且结果易受误差影响的问题，采用数值模拟的数据制作合成图像进行水面高度场反演模型训练，解决由于水面高度的观测数据不易获取从而无法获得真值标签的问题。
-
公开(公告)号：CN118378665B
公开(公告)日：2024-10-25
申请号：CN202410817315.9
申请日：2024-06-24
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/082
Abstract: 本发明公开了基于注意力的多尺度残差U‑Net的海洋中尺度涡旋检测方法，包括以下步骤：（1）获取海平面异常数据SLA，选取海表面温度数据SST，选取基于卫星高度计的海洋涡旋识别追踪数据集；（2）对基于卫星高度计的海洋涡旋识别追踪数据集制作涡旋标签，对海平面异常数据和海表面温度数据进行归一化处理；（3）对得到的归一化结果进行拼接；遍历涡旋标签数据，根据预设的区域对涡旋标签进行数组截取，得到涡旋标签数据集；（4）构建双交叉多尺度特征融合网络模型并进行训练；（5）将测试集输入最优的模型中进行性能测试，得到测试结果，将测试结果与涡旋标签进行对比得到评价指标；本发明提升了检测精度与效率。
-
公开(公告)号：CN109815962B
公开(公告)日：2022-12-23
申请号：CN201910043137.8
申请日：2019-01-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种识别海洋涡旋边缘叶绿素环状结构的方法，包括以下步骤：(1)利用卫星观测海平面高度异常(MSLA)数据，通过计算识别海洋涡旋，形成涡旋数据集。(2)对涡旋数据集与海表面叶绿素数据集进行时空匹配，获得带有叶绿素浓度数据的涡旋综合数据集。(3)在涡旋综合数据集中选取样本区域，样本区域将某个海洋涡旋包含在样本区域内。(4)通过提取样本区域内的叶绿素浓度数据的特征，判断在该区域内是否形成了叶绿素环状结构。本发明能够对大样本的海洋涡旋和海表叶绿素浓度数据集进行处理，自动识别出大量叶绿素环状结构，节省了人力和测绘时间。
-
公开(公告)号：CN114445634A
公开(公告)日：2022-05-06
申请号：CN202210189203.4
申请日：2022-02-28
Applicant: 南京信息工程大学
IPC: G06V10/40
Abstract: 本发明公开了一种基于深度学习模型的海浪波高预测方法及系统，涉及海洋预测技术领域，包括以下步骤：获取海浪波高的图片数据；对所述海浪波高的图片数据进行预处理，并将预处理后的海浪波高的图片数据作为训练数据集；构建海浪有效波高数据预测模型，将所述训练数据集输入海浪有效波高数据预测模型中进行深度学习训练，直至达到预设精度，获得最优预测模型；通过所述最优预测模型进行海浪有效波高预测，并对预测结果进行反归一化，得到海浪有效波高的预测值。本发明能够解决现有预测技术存在的计算量大、成本高、无法快速预测、对特征工程的依赖等缺陷，进而实现低成本的快速精确预测。
-
公开(公告)号：CN104457901B
公开(公告)日：2018-01-05
申请号：CN201410713468.5
申请日：2014-11-28
Applicant: 南京信息工程大学 , 国家海洋局第二海洋研究所
Abstract: 本发明提供了一种确定水深的方法及系统，所述方法包括：获取初始水深；分别获取初始时刻海表大气压与海底以上单位面积海水引起的第一压力之和、测量仪器在初始水深处的初始压力、终止时刻海表大气压与海底以上单位面积海水引起的第二压力之和及测量仪器在终止水深处的终止压力；分别确定第一压力之和与初始压力的差值，获取第一数值，第二压力之和与终止压力的差值，获取第二数值；确定第二数值与第一数值的差值，获取第三数值；确定第三数值与调取的参考海水密度和重力加速度参数相乘结果的比值，获取垂直位移；确定初始水深与垂直位移的差值，获取终止水深处的水深；该方法消除了在确定水深时的误差，直接得到测量仪器相对于平均海平面的深度。
-
Patent Agency Ranking
公开(公告)号：CN119494558A
公开(公告)日：2025-02-21
申请号：CN202411521390.7
申请日：2024-10-29
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 南京信息工程大学
IPC: G06Q10/0637 , G06Q50/26 , G06N3/0455 , G06N3/0464 , G06N3/084 , G01W1/10
Abstract: 本发明公开了一种基于Vision Transformer神经网络的台风风暴潮漫滩智能预报方法，其步骤首先获取连续风暴潮水位数据、预报时刻的风场数据；然后对获取连续风暴潮水位数据、预报时刻的风场数据进行预处理，并将预处理后的数据进行最值归一化，将数据缩放至0到1之间，划分训练集和测试集；基于训练集，将归一化的数值输入至Vision transformer神经网络进行训练，得到台风风暴潮漫滩智能预报模型；将测试集输入至台风风暴潮漫滩智能预报模型对台风风暴潮漫滩进行调整优化，得到最终的台风风暴潮漫滩智能预报模型，利用台风风暴潮漫滩智能预报模型进行台风风暴潮漫滩预报。本发明可以准确、快速地预测出台风风暴潮漫滩的二维分布和增水高度。
-
公开(公告)号：CN118364230B
公开(公告)日：2024-10-25
申请号：CN202410798770.9
申请日：2024-06-20
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/2135 , G06F18/214 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于EmaDformer的中长期海浪有效波高预测方法，包括以下步骤：（1）利用再分析数据集ERA5获取有效波高数据及其他环境海洋数据，并进行预处理，得到时间序列数据集；（2）利用主成分分析法PCA计算海洋环境数据的累计贡献率，并设置累计贡献率阈值，得到处理后的时间序列数据集；（3）构建EmaDformer模型，并进行训练，得到评价指标值和有效波高预测结果；（4）对预测结果进行反归一化得到有效波高预测值；本发明提高中长期预测性能，预测准确率明显提升。
-
公开(公告)号：CN105783884A
公开(公告)日：2016-07-20
申请号：CN201610122295.9
申请日：2016-03-03
Applicant: 南京信息工程大学
IPC: G01C13/00
CPC classification number: G01C13/002
Abstract: 本发明公开了一种利用卫星高度计沿轨数据识别潮汐混合锋面的方法，根据卫星高度计20Hz沿轨数据通过尺度分析得到一个无量纲的动量方程，在海洋表面，将潮汐应力的第二项垂直梯度忽略，对步骤1中的动量方程由锋面的近岸侧A向离岸侧B进行积分得到海表面高度SSH，得到的海表面高度通过EMD分解获得一系列IMF分量，通过HHT方法应用于每一个IMF分量，用IMF分量的振幅函数和相位函数表示得到的海表面高度，进而转换为Hilbert频谱方程式，从而得到海表面高度的Hilbert频谱。本发明通利用HHT方法将20Hz沿轨数据分解IMF分量，通过HHT方法可以清晰的识别出SSH跳变。
-
公开(公告)号：CN119884812A
公开(公告)日：2025-04-25
申请号：CN202411838400.X
申请日：2024-12-13
Applicant: 南方海洋科学与工程广东省实验室(珠海) , 南京信息工程大学
IPC: G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于流场数据的裂流自动识别方法及系统，该方法在目标地点建立网格并获取每个网格点的流速和流向，提取连通对象并计算每个连通对象的面积及最小外接框；保留面积大于第一阈值且连通对象长轴与目标地点离岸方向间的夹角小于第二阈值的连通对象，判定为可能裂流单元；追踪多个时刻的可能裂流单元，直至所有可能裂流单元已标记序号；保留持续时间大于第三阈值的标号裂流；将每个序号的裂流在流场图上叠加画出其最小外接框，通过人工校验，得到裂流识别结果。本发明能够识别出沟槽裂流和瞬变裂流两种类型的裂流，可适用于不同来源的流场数据，为海滨裂流预警和防护。
-
公开(公告)号：CN119224771B
公开(公告)日：2025-03-21
申请号：CN202411733671.9
申请日：2024-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多重注意力‑全局增强UNet的SAR海面风速反演方法，包括以下步骤：（1）获取浮标观测的风速数据，并进行清洗与预处理，制作标签数据集；（2）获取干涉宽幅模式IW式下收集的双极化地距多视SAR数据；（3）对SAR数据进行预处理；选取浮标数据信息对应的SAR数据。将预处理后的SAR数据集划分训练集、测试集与验证集；（4）构建多重注意力‑全局增强UNet模型即CPA‑KiTUNet模型并进行训练得到海面风速反演模型，选取测试集在训练好的反演模型上进行测试，得到反演的风速结果；本发明提升反演数据的丰富性，能够在复杂的场景下准确地进行风速反演。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.01 seconds)
