-
公开(公告)号：CN119167667B
公开(公告)日：2025-03-21
申请号：CN202411673710.0
申请日：2024-11-21
Applicant: 南京气象科技创新研究院
IPC: G06F30/20 , G06F111/10 , G06F119/08
Abstract: 本发明属于大气科学和遥感研究领域，具体公开一种基于山地辐射效应的静止卫星陆上窗区通道资料同化方法，首先针对静止卫星的固定观测区域，基于高分辨率地形高程数据建立微观地形因子静态基础数据集。其次，在大气数值模式中引入次网格地形三维地表太阳辐射参数化方案实现地表辐射修正的快速计算，优化模式对地形复杂区地表辐射和地表温度的刻画能力，进而减小陆上红外亮温模拟偏差随地形的高度敏感性，提高卫星窗区通道资料的同化利用率和效果。
-
公开(公告)号：CN118501986B
公开(公告)日：2024-11-15
申请号：CN202410957391.X
申请日：2024-07-17
Applicant: 南京气象科技创新研究院
Abstract: 本发明涉及大气科学研究领域，具体公开了一种基于多模式集成的灾害性大风空间结构预报改进方法。其包括如下步骤：对预报区域内的观测以及模式预报灾害性大风对象进行识别；分别计算识别出的观测场和模式预报场中灾害性大风对象的属性；将观测场中的灾害性大风对象与模式预报场中的灾害性大风对象进行匹配；并评估观测场与模式预报场中所有灾害性大风对象的整体空间相似度；以观测场与模式预报场中所有灾害性大风对象的空间相似度为权重，构建多模式集成预报模型。本发明通过分析灾害性大风的空间结构特征并改进多模式集成模型权重的计算方法，从而提高灾害性大风空间结构的数值预报技巧。
-
公开(公告)号：CN118210086A
公开(公告)日：2024-06-18
申请号：CN202410635937.X
申请日：2024-05-22
Applicant: 南京气象科技创新研究院
IPC: G01W1/10
Abstract: 本发明涉及数值天气预报技术领域，具体公开一种基于湿位涡的集合预报扰动方法，包括如下步骤：设定扰动循环参数；S200、开始扰动循环，对集合预报成员进行扰动，生成湿位涡扰动预报集合；将全部扰动后集合预报成员预报到下一个扰动循环时刻，生成下一个扰动循环时刻的模式预报场，再次执行步骤S200，反复循环，直至遍历完所有扰动循环时刻。本发明基于湿位涡的集合预报扰动方法能够有效影响模式预报的对流不稳定与斜压不稳定环境，从而减小当模式预报的不稳定环境存在偏差时导致的扰动增长与实际误差演变的差异，改进集合预报效果，提高预报技巧评分。
-
Patent Agency Ranking
公开(公告)号：CN118051878B
公开(公告)日：2024-06-11
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
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：CN117233870B
公开(公告)日：2024-01-23
申请号：CN202311518550.8
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G01W1/10 , G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于多气象要素的短临降水集合预报及降尺度方法，包括以下步骤：（1）收集自动气象站逐10分钟站点观测数据；生成格点场数据（2）基于格点场数据，建立用于深度学习模型训练的标准气象序列数据集，并进行归一化处理；（3）构建耦合卷积神经网络‑循环神经网络‑对抗生成神经网络的深度学习模型，利用标准气象序列数据集针对降水进行训练，并通过在网络中增加噪声，生成集合预报；（4）利用超分辨率对生成的降水预报进行降尺度，获得高时空分辨率的短临降水集合预报；本发明将卷积神经网络、循环神经网络与对抗生成神经网络结合，提高了模型的预报真实性；利用超分辨率技术，提高降水预报准确率。
-
公开(公告)号：CN117237677A
公开(公告)日：2023-12-15
申请号：CN202311518546.1
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G06V10/74 , G01W1/10 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06T7/62 , G06T7/60 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的强降水空间整体相似度的降水预报订正方法，包括以下步骤：（1）利用YOLOv5对降水属性进行识别；（2）建立基于GAN的降水预报订正模型；（3）建立基于GAN且融合降水空间特征的强降水订正模型O‑GAN；（4）将测试期的数值模式预报数据代入模型O‑GAN，生成后处理之后的降水预报；本发明有效提高了传统仅优化逐点误差模型的订正技巧；实现了从降水图片到降水雨团空间属性的“端到端”输出，提高客观识别效率；避免了传统逐点订正模型可能出现的预报模糊化问题，同时能够有效捕捉强降水特征，提高降水预报准确率。
-
公开(公告)号：CN117233870A
公开(公告)日：2023-12-15
申请号：CN202311518550.8
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G01W1/10 , G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于多气象要素的短临降水集合预报及降尺度方法，包括以下步骤：（1）收集自动气象站逐10分钟站点观测数据；生成格点场数据（2）基于格点场数据，建立用于深度学习模型训练的标准气象序列数据集，并进行归一化处理；（3）构建耦合卷积神经网络‑循环神经网络‑对抗生成神经网络的深度学习模型，利用标准气象序列数据集针对降水进行训练，并通过在网络中增加噪声，生成集合预报；（4）利用超分辨率对生成的降水预报进行降尺度，获得高时空分辨率的短临降水集合预报；本发明将卷积神经网络、循环神经网络与对抗生成神经网络结合，提高了模型的预报真实性；利用超分辨率技术，提高降水预报准确率。
-
公开(公告)号：CN116070676B
公开(公告)日：2023-06-30
申请号：CN202310309893.7
申请日：2023-03-28
Applicant: 南京气象科技创新研究院
IPC: G06N3/0455 , G01K13/00 , G01W1/02 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于注意力机制和自编码器的高速公路路面温度预报方法，方法包括：采集高速公路路面温度观测数据及数值天气预报模式输出的多气象要素预报数据，进行预处理；基于神经网络搭建自编码器，并对区域高速公路路面温度进行编码，生成特征向量；搭建空间注意力机制与通道注意力机制融合的卷积神经网络模型，并展开训练；基于预设时间内的多气象要素产品生成全区域的高速公路路面温度预报。本发明能够生成全区域的高速公路路面温度预报，较传统的点对点预报而言更加便捷高效；采用空间注意力和通道注意力机制融合的卷积神经网络模型，具有高度非线性和强鲁棒性，有效提高了高速公路路面温度预报能力，有极强的应用价值。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.029 seconds)
