-
公开(公告)号：CN115113301B
公开(公告)日：2022-11-18
申请号：CN202211010895.8
申请日：2022-08-23
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明提供一种基于多源数据融合的应急短临预报方法及系统，涉及短临天气预报技术领域。本发明的步骤为：将多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子打包作为数据样本，进行预处理和数据增强，得到训练样本；构建用于融合多源数据的网络，将训练样本输入网络中进行训练，得到训练好的多源数据融合网络；将预测区域之前符合短临预报有效时间内的多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子输入所述训练好的多源数据融合网络，对区域未来若干时间段进行天气预测。本发明的应急短临预报方法，极大提高了预测的准确率。
-
公开(公告)号：CN115113301A
公开(公告)日：2022-09-27
申请号：CN202211010895.8
申请日：2022-08-23
Applicant: 南京信息工程大学 , 南京中网卫星通信股份有限公司
Abstract: 本发明提供一种基于多源数据融合的应急短临预报方法及系统，涉及短临天气预报技术领域。本发明的步骤为：将多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子打包作为数据样本，进行预处理和数据增强，得到训练样本；构建用于融合多源数据的网络，将训练样本输入网络中进行训练，得到训练好的多源数据融合网络；将预测区域之前符合短临预报有效时间内的多时次多通道卫星云图序列、多时次雷达回波图序列和相同时序下的基本气象预报因子输入所述训练好的多源数据融合网络，对区域未来若干时间段进行天气预测。本发明的应急短临预报方法，极大提高了预测的准确率。
-
公开(公告)号：CN118795575A
公开(公告)日：2024-10-18
申请号：CN202411267221.5
申请日：2024-09-11
Applicant: 南京中网卫星通信股份有限公司
IPC: G01W1/10 , G06V10/74 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/045 , G06Q10/04 , G06F123/02
Abstract: 本发明公开了一种基于复频域深度注意力体素流的短临降水预测方法。该方法包括将连续时间序列的气象图像数据构建为三维视频流数据；将三维视频流数据输入至构建的三维时空体素运动模型中，所述三维时空体素运动模型包括空间路径、运动路径和频域路径；空间路径用以根据输入的三维视频流数据预测未来时间点的三维体素状态；所述运动路径用以基于时空属性随机游走相似性算法捕获三维视频流数据节点间的动态关系；所述频域路径用以将输入的三维视频流数据反演获得时域的预测信息；对三维体素状态、节点间的动态关系和时域的预测信息进行融合，以获得最终的短临降水预测结果。本发明可以及时捕捉到云图的演变和降水的形成过程，提高预测精度。
-
公开(公告)号：CN118795575B
公开(公告)日：2025-01-03
申请号：CN202411267221.5
申请日：2024-09-11
Applicant: 南京中网卫星通信股份有限公司
IPC: G01W1/10 , G06V10/74 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/045 , G06Q10/04 , G06F123/02
Abstract: 本发明公开了一种基于复频域深度注意力体素流的短临降水预测方法。该方法包括将连续时间序列的气象图像数据构建为三维视频流数据；将三维视频流数据输入至构建的三维时空体素运动模型中，所述三维时空体素运动模型包括空间路径、运动路径和频域路径；空间路径用以根据输入的三维视频流数据预测未来时间点的三维体素状态；所述运动路径用以基于时空属性随机游走相似性算法捕获三维视频流数据节点间的动态关系；所述频域路径用以将输入的三维视频流数据反演获得时域的预测信息；对三维体素状态、节点间的动态关系和时域的预测信息进行融合，以获得最终的短临降水预测结果。本发明可以及时捕捉到云图的演变和降水的形成过程，提高预测精度。
-
公开(公告)号：CN117523420A
公开(公告)日：2024-02-06
申请号：CN202410021900.8
申请日：2024-01-08
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于雷达产品数据的闪电落区识别方法及系统，包括以下步骤：步骤1：获取发生闪电活动时的组合反射率数据、云顶高度数据和垂直积分液态水含量数据；步骤2：基于组合反射率数据、云顶高度数据和垂直积分液态水含量数据，分别生成相应的灰度图像，将三种灰度图像作为三个波段进行融合，得到一多波段图像；步骤3：将多波段图像输入至闪电落区识别模型中，得到闪电落区识别图，所述闪电落区识别图包括框出闪电落区的边界框。
-
Patent Agency Ranking
公开(公告)号：CN105095655A
公开(公告)日：2015-11-25
申请号：CN201510424947.X
申请日：2015-07-17
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于自适应敏感因子的扰动方法，包括如下步骤：（I）下载最近10年的NCEP再分析资料作为样本数据,分别计算得到的每个时次文件上每个格点的指数信息；(II)根据最近10年的气象灾害年鉴，将气象灾害分类，并将对应的指数信息存进所述数据库；(Ⅲ)按天气类型进行统计：根据数据库中的数据分别给出样本中各指数信息对应的值域作为判定此类灾害性天气将会发生的样本区间；(Ⅳ)根据天气类型比较各指数信息的距平百分率，取偏离平均值最显著的变量为对应天气类型下的敏感扰动变量；(Ⅴ)实现各指数信息的诊断量在初始场中的扰动。有益效果为：能够综合不同判据的信息，发现处在不同判据适用范围重合区的强对流天气的类型，并能够根据这一类型，自动客观地选择最合适的扰动变量。
-
公开(公告)号：CN105046077A
公开(公告)日：2015-11-11
申请号：CN201510420905.9
申请日：2015-07-17
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于能量守恒的随机物理扰动方法，包括如下步骤：1）根据实际需要选定进行数值预报的模式，接着确定模式预报方程中各个参数的最终倾向项的位置；2）在确定了所述参数的位置后再根据扰动形式，通过积分确定所述倾向项的扰动方案，扰动形式的表达式为： ，3）在水平方向上对ε(t)进行二维傅立叶分解，接着滤除高频噪声将其中1至4倍格距的波长的波的系数赋值为0，最后将调整后的系数通过逆傅立叶变换合成新的ε(t)；4）重复步骤3）直至得到各个变量对应的扰动系数，并带入至所述扰动形式的表达式。有益效果为：对完全独立的物理过程进行倾向扰动，目的在于保证模式变量的倾向扰动在能量上的守恒性，使得该方法可改善边界层模式变量的集合离散度，这将显著改善风暴尺度集合预报的预报水平。
-
公开(公告)号：CN119439320A
公开(公告)日：2025-02-14
申请号：CN202510034225.7
申请日：2025-01-09
Applicant: 南京信息工程大学
IPC: G01W1/10 , G06F18/2415 , G06N3/0464 , G06N3/0895 , G06N3/045 , G06Q10/047 , G01S13/95
Abstract: 本发明公开了一种基于X波段双偏振雷达数据的龙卷风识别及其路径预测方法，主要是利用雷达最低两个仰角的6种观测量，结合深度学习模型Unet，并引入注意力机制与位置编码信息，优化数据传递过程，构建弱监督式轻量化识别模型TD‑Unet。该模型对多仰角雷达资料进行特征提取，生成龙卷识别概率和地理方位图。在识别结果中，进一步提取龙卷所在的地理坐标序列，并基于龙卷运动特征优化粒子滤波算法，构建路径预测算法，通过提取的实时龙卷坐标序列实现路径预测。本发明能够提高龙卷风识别的准确性与效率，并为路径预测提供科学可行的方法，为气象预警以及灾害防控提供了强有力的技术支持。
-
公开(公告)号：CN117911715A
公开(公告)日：2024-04-19
申请号：CN202410134791.0
申请日：2024-01-31
Applicant: 南京信息工程大学
IPC: G06V10/44 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了气象雷达技术领域的一种雷达回波外推方法，旨在解决雷达回的波外推方法精度较差时效性较短不能满足业界需求技术问题。其包括：旨在利用两个不同时间段的雷达回波反射率因子数据训练雷达回波外推模型，并引入再分析资料环境场数据进一步约束模型的输出；具体的，将过去时间段再分析资料环境场数据和雷达回波反射率因子数据作为条件扩散模型的条件输入，将更接近当前时刻时间段的雷达回波反射率因子数据添加噪声生成原始输入，利用条件扩散模型学习雷达回波的数据分布，进而在训练好的条件扩散模型根据噪声外推结果时进行约束，条件输入引入再分析资料环境场数据实现对外推结果进一步约束，可以产生更精准、更长时效的回波外推结果。
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.01 seconds)
