公开(公告)号：CN118822048A

公开(公告)日：2024-10-22

申请号：CN202411305389.0

申请日：2024-09-19

Applicant: 南京信息工程大学

Inventor： 范怡 ,  尹志聪 ,  张玲 ,  姜玉洁 ,  朱寿鹏 ,  智协飞 ,  段明铿

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/15 ,  G06F18/213 ,  G06F18/2431 ,  G06N3/0455 ,  G06N3/049 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/084 ,  G01W1/10 ,  G06F123/02

Abstract: 本发明公开了一种前兆因子深度融合的次季节极端降水预测方法，包括：基于优化的损失函数，构建融合数值模式降水预测、历史降水观测以及观测前兆因子的时空变换网络深度学习模型，基于数值模式降水预测数据集、历史降水观测数据集以及观测前兆因子数据集展开模型训练与优化；利用训练好的模型，输入目标时间的数值模式降水预测和前兆因子数据进行预测，输出次季节极端降水预测结果；本发明通过数值模式降水预测、历史降水观测和观测前兆因子数据的深度融合，利用一种新的时空变换网络深度学习方法，显著提高了次季节极端降水预测的准确性和全面性，具有极高的应用价值和广泛的应用前景。

公开(公告)号：CN118051878A

公开(公告)日：2024-05-17

申请号：CN202410452556.8

申请日：2024-04-16

Applicant: 南京气象科技创新研究院 ,  南京信息工程大学

Inventor： 朱寿鹏 ,  范怡 ,  吕阳 ,  张玲 ,  智协飞 ,  戴逸飞 ,  吉璐莹 ,  王玉虹 ,  季焱 ,  朱延和

IPC: G06F18/25 ,  G01W1/10 ,  G06F18/15 ,  G06F16/29 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于多模态融合改进深度学习的极端降水次季节预报方法，包括：对多种气象要素预报数据及预报目标区域的降水观测数据进行预处理；对影响极端降水发生的多模态特征进行自适应标识编码，并生成对应特征向量，形成无量纲化的多模态预报因子库；构建深度残差卷积神经网络优化模型，并分别利用训练集和验证集对模型进行训练和验证优化；采用训练好的模型进行目标区域的极端降水次季节预报。本发明采用了多气象要素因子、多模态融合与改进损失函数的深度学习神经网络模型，对极端降水预报进行了针对性优化，有效把握极端降水的时空分布特征，提高了极端降水的次季节预报能力，具有极强的应用价值。

公开(公告)号：CN217443568U

公开(公告)日：2022-09-16

申请号：CN202220589246.7

申请日：2022-03-17

Applicant: 南京信息工程大学

Inventor： 范怡

IPC: G01W1/10

Abstract: 本实用新型属于气象预警技术领域，具体涉及一种便于安装的户外运动气象保障监测预警装置，包括气象百叶箱，气象百叶箱的底部设置有连接支柱，气象百叶箱的下方设置有安装板，安装板的顶部对应连接支柱开设有安装孔，气象百叶箱通过连接支柱固定在安装板的安装孔内，连接支柱的内部横向固定有固定杆，连接支柱的内部还安装有套设在固定杆上的套管，套管的底部开设有缺口，形成截面为优弧的缺圆，套管的两端连接有连接板，两侧连接板的底部共同端相背离倾斜。本实用新型能够实现快速安装与拆除，省去使用螺母与螺栓逐一对接紧固的步骤，达到节省工时，安装方式便捷的效果，以便于为预警装置的安装提供便利，提升所安装的预警装置的稳定性。