-
公开(公告)号：CN119224771A
公开(公告)日：2024-12-31
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。
-
公开(公告)号：CN118070668A
公开(公告)日：2024-05-24
申请号：CN202410283154.X
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F113/08 , G06N3/048
Abstract: 本发明公开了一种编解码‑解释器框架的有效波高时空预测方法及系统，该方法包括获取有效波高数据集和10m风的U、V分量，对该数据中的缺失数据进行线性插值补全后进行最大最小归一化处理，得到预处理后的有效波高数据集和10m风的U、V分量，并调整空间分辨率保持一致；构建卷积神经网络‑时空长短时记忆神经网络‑卷积神经网络预测模型，该模型包括编码器、解释器和解码器；将预处理后的有效波高数据集和10m风的U、V分量输入到卷积神经网络‑时空长短时记忆神经网络‑卷积神经网络预测模型中，获得海浪波高预测数据。本发明减小了数据空间尺寸，提高了海浪波高预测精度。
-
-
公开(公告)号：CN117347003A
公开(公告)日：2024-01-05
申请号：CN202310986213.5
申请日：2023-08-04
Applicant: 南京信息工程大学 , 上海电机学院 , 上海璟皓机械科技有限公司
IPC: G01M10/00
Abstract: 本发明提供了一种大型地球流体旋转试验平台系统，水池底部中心设有转动轴承；水池搭在环形箱梁上，环形箱梁由若干段围成环形的弧形梁组成，各弧形梁与转动轴承之间连接有至少一个拉杆，每个拉杆的两端设有反向螺纹且分别连接有连接座；以转动轴承为中心设有若干驱动装置和支撑装置用于支撑和驱动环形箱梁和水池，驱动装置和支撑装置均包含有底板、机架和锥形轮，机架的角度可调以及能够在弧形梁的径向方向上滑动，锥形轮的母线与环形箱梁下表面相接触并贴合，在驱动装置的机架还设有驱动电机带动锥形轮转动，本发明填补了目前无大型洋流旋转试验平台的技术空白，可以帮助科研人员进行大型洋流旋转试验。
-
公开(公告)号：CN116245018A
公开(公告)日：2023-06-09
申请号：CN202310038861.8
申请日：2023-01-12
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F17/18 , G06F119/02
Abstract: 本发明公开了一种基于双变量长短时记忆算法的海浪缺测数据预报方法，其具体步骤为：首先获取浮标数据A，利用机器学习的方法插补连续丢失的浮标数据，利用回归模型的方法插补单个丢失的浮标数据，形成新的浮标数据集B；利用海浪变量关联数据库，在浮标数据集B中找出与预报变量相匹配的变量并构造双变量集V，同时确定各个双变量的训练集和验证集；将各个双变量的训练集数据输入长短时记忆算法中进行训练，得到相应的双变量LSTM模型，最后利用验证集数据对模型结果进行检验，并确定最优预测模型。该方法可以对浮标短期缺测数据进行插补和修正，还可以对长期缺失变量进行预测，有效地提高浮标数据的准确度。
-
Patent Agency Ranking
公开(公告)号：CN115359338A
公开(公告)日：2022-11-18
申请号：CN202211283375.4
申请日：2022-10-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于混合学习模型的海表温度预测方法及系统，该方法包括：采用多组HDC模型对SST二维图数据进行空间特征提取；采用BiGRU模型捕获每组HDC模型输出结果的时间特征，获取提取多尺度空间时间特征的SST图数据；通过注意力机制对提取多尺度空间时间特征的SST图数据分配权重；将SST二维图数据与注意力机制处理后的SST图数据耦合，通过编码获取向量数据；对向量数据进行解码，获取混合学习模型；将SST二维图数据输入至混合学习模型中，获取SST预测结果并评估。本发明基于混合学习模型获取的预测结果保证了对空间特征及时间特征的充分提取，并具有较高的预测精度，可实现一周内SST数据的精准预测。
-
公开(公告)号：CN109815962A
公开(公告)日：2019-05-28
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：CN105783884B
公开(公告)日：2018-05-25
申请号：CN201610122295.9
申请日：2016-03-03
Applicant: 南京信息工程大学
IPC: G01C13/00
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：CN118378665A
公开(公告)日：2024-07-23
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：CN118364230A
公开(公告)日：2024-07-19
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。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.032 seconds)
