-
公开(公告)号：CN117407552A
公开(公告)日：2024-01-16
申请号：CN202311723052.7
申请日：2023-12-15
Applicant: 南京气象科技创新研究院 , 南京信息工程大学
IPC: G06F16/56 , G06F16/58 , G06F16/587
Abstract: 本发明公开了一种栅格信息精准赋值矢量线的信息表达方法，将栅格数值信息精准赋值给矢量线要素，用矢量线来呈图表达道路、河流、管网线路等线状要素的信息属性特征，图像信息流畅，空间上连续、自然，可以无暇、任意缩放。
-
公开(公告)号：CN116955939A
公开(公告)日：2023-10-27
申请号：CN202311214614.5
申请日：2023-09-20
Applicant: 南京气象科技创新研究院
IPC: G06F18/15 , G06F18/213 , G06F18/22 , G06Q10/04 , G06Q50/26
Abstract: 本发明公开了一种基于图形相似度的气象要素结构特征预报误差量化表达方法，本发明利用图形相似概率概念，针对标量气象要素如降雨量、雷达反射率、温度、能见度、风速等的预报误差的归一化评估技术，本发明能更客观真实的反映气象要素如降水的真实预报能力。
-
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。
-
公开(公告)号：CN119669613A
公开(公告)日：2025-03-21
申请号：CN202510195205.8
申请日：2025-02-21
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种近地层高分辨率风切变的算法，包括以下步骤：S1，基于研究区域地面自动站的地理位置，对研究区域的地面自动站构建三角网；S2，基于矢量方差法，计算获得三角网中每个独立三角形区域的风切变值；S3，重复步骤S2完成对其余三角形区域的风切变值的计算，获得研究区域近地层各处的水平风切变值。本发明能实现被自动站覆盖的区域内任意一点均有可信的风切变计算结果，从而能够为近地层飞行提供有效指导。
-
公开(公告)号：CN118504201B
公开(公告)日：2025-03-07
申请号：CN202410406838.4
申请日：2024-04-07
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种基于多维偏差的独立区域气象要素预报误差评估方法，在相同坐标网格中，通过分别计算预报场气象要素单体相对观测场气象要素单体的距离误差和轴向误差以评估预报场气象要素的预报误差，所述气象要素单体是指天气系统中由标量气象要素形成的空间连续封闭区域。本发明利用图形相似概率概念针对气象要素预报误差的评估方法，相较于传统的点对点检验、对错检验，造成的“双重惩罚”问题，本发明利用归一化的气象要素数值‑面积曲线进行误差分析，能够更合理更客观的反映气象要素的整体准确程度。
-
Patent Agency Ranking
公开(公告)号：CN119202622B
公开(公告)日：2025-02-25
申请号：CN202411698203.2
申请日：2024-11-26
Applicant: 南京气象科技创新研究院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F30/27 , G01W1/10 , G06F111/10
Abstract: 本发明公开了基于数值模式融合深度学习的路面温度预报方法，包括基于多要素预报数据及观测数据制作训练集与验证集；基于区域高分辨率多元下垫面数据，整合形成统一尺度的区域高分辨率多元下垫面特征库；构建基于注意力机制图卷积神经网络的深度学习路面温度预报模型，采用高斯加权损失函数，展开模型训练；采用训练好的模型，针对目标时间，基于数值天气预报模式多要素预报数据和区域高分辨率多元下垫面数据，生成基于数值模式融合深度学习的路面温度预报结果。本发明有效解决了不同尺度路面温度的样本非均衡问题，增强了模型对于路面温度极值的预报能力，提高了基于数值模式融合深度学习的高速公路路面温度预报准确率，具有极强的应用价值。
-
公开(公告)号：CN119202622A
公开(公告)日：2024-12-27
申请号：CN202411698203.2
申请日：2024-11-26
Applicant: 南京气象科技创新研究院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F30/27 , G01W1/10 , G06F111/10
Abstract: 本发明公开了基于数值模式融合深度学习的路面温度预报方法，包括基于多要素预报数据及观测数据制作训练集与验证集；基于区域高分辨率多元下垫面数据，整合形成统一尺度的区域高分辨率多元下垫面特征库；构建基于注意力机制图卷积神经网络的深度学习路面温度预报模型，采用高斯加权损失函数，展开模型训练；采用训练好的模型，针对目标时间，基于数值天气预报模式多要素预报数据和区域高分辨率多元下垫面数据，生成基于数值模式融合深度学习的路面温度预报结果。本发明有效解决了不同尺度路面温度的样本非均衡问题，增强了模型对于路面温度极值的预报能力，提高了基于数值模式融合深度学习的高速公路路面温度预报准确率，具有极强的应用价值。
-
公开(公告)号：CN118657088A
公开(公告)日：2024-09-17
申请号：CN202411121011.5
申请日：2024-08-15
Applicant: 南京气象科技创新研究院 , 南京智汇环境气象产业研究院有限公司
IPC: G06F30/28 , G06F30/25 , G01N33/00 , G06F113/08
Abstract: 本发明公开了一种基于三维数值模式的空气质量长期预测方法，包括以下步骤：首先获取目标区域的气象资料、地形资料和污染源排放清单，并通过WRF‑Chem模式得到空气污染物浓度模拟值，通过以对比区间气象要素或污染物的变化速率反推得到预测区间的相对预测值，并基于起点年份数值和偏差系数对相对预测值进行修正提高准确率。本发明基于GFS气象资料的预测计算和WRF‑Chem数值模式的模拟结果，实现了未来长期空气污染物浓度的预测，进一步提升了数值模式模拟结果的时间尺度，实用性强。
-
公开(公告)号：CN118604919A
公开(公告)日：2024-09-06
申请号：CN202411068531.4
申请日：2024-08-06
Applicant: 南京气象科技创新研究院
IPC: G01W1/18 , G01W1/02 , G01W1/08 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/15 , G06F18/213
Abstract: 本发明公开了基于全天候天气背景的微波辐射计温湿廓线联合校正方法，包括：获取微波辐射计测量数据与无线电探空仪探测数据，进行数据清洗与标准化预处理；对影响微波辐射计测量精度的全天候天气背景因子特征进行标注，生成对应特征向量，形成无量纲的全天候天气背景因子库；采用引入一致性损失的联合损失函数，构建并训练融合微波辐射计测量、全天候天气背景及无线电探空仪探测的多层感知卷积长短期记忆网络深度学习模型；针对目标时间，基于微波辐射计测量与全天候天气背景特征，产生校正后的温湿度廓线反演结果。本发明提高了局地温度、湿度反演的一致性，能够准确、高效地实现对微波辐射计温湿廓线测量反演的联合校正，具有极高的应用价值。
-
公开(公告)号：CN117994545B
公开(公告)日：2024-06-18
申请号：CN202410406797.9
申请日：2024-04-07
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种基于图像匹配概率的气象要素预报误差综合评估方法，利用单体匹配的概率来计算气象要素分布结构特征预报误差，本发明将气象要素预报误差订正由物理模型抽象为图形和数学模型，相较于现有技术采用拟合椭圆方法，仅考虑要素空间分布，并不可避免的引入误，本发明利用单体间相似程度引入了匹配概率，利用匹配概率，考虑预报场相对于观测场的整体误差，无需定义空报率或漏报率，避免的相关误差的引入，提高了气象要素预报误差综合评估的准确率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.032 seconds)
