-
公开(公告)号：CN112417080A
公开(公告)日：2021-02-26
申请号：CN202011457900.0
申请日：2020-12-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种气象栅格的弹性设计方法，主要包括步骤如下：(1)数据预处理；(2)设定坐标系参数；(3)坐标系生成；(4)栅格数据处理；(5)栅格图像显示；所述步骤(5)中利用图形软件进行栅格图像显示。本发明的弹性设计方法，气象栅格在生成时坐标原点可变、坐标精度可变、栅格图像数值更新时间间隔可变，方便从不同角度观察栅格数据；栅格记录的数据将会以热度图形式显示在栅格内部散点上，散点根据数值的大小显示不同颜色，使得栅格数据的显示更为鲜明；基于程序设计语言进行编写，提供了自定义选项版面，弱化操作复杂度，使用高效、便捷。
-
公开(公告)号：CN119274083A
公开(公告)日：2025-01-07
申请号：CN202411784143.6
申请日：2024-12-06
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/82 , G06T5/20 , G06T5/70 , G06T7/136 , G06T7/11 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/006 , G06N3/084 , G06N3/0985 , G01W1/10
Abstract: 本发明公开了一种基于Mamba‑ASPP与R‑TCN的台风风速预测方法，步骤如下：获取卫星云图数据集并进行预处理；构建Mamba‑ASPP模块进行空间特征提取，构建R‑TCN模块进行时间特征提取，得到输入图像的全局空间特征图和时间特征图拼接，放入ITSAM模块进行综合特征处理，得到台风风速的预测值；将三个模块集成为初始风速预测模型，用自适应遗传算法优化的海鸥算法对初始风速预测模型超参数进行优化和训练，得到目标风速预测模型；将前一小时图像数据输入目标风速预测模型，预测下一小时的台风风速。本发明方法通过整合不同时间和空间尺度特征信息，应对台风风速变化的复杂性，有效提升了台风预测的效率和准确性。
-
公开(公告)号：CN117649001B
公开(公告)日：2024-04-16
申请号：CN202410116196.4
申请日：2024-01-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于改进金枪鱼群算法优化GBDT对气温进行偏差订正的方法，包括：获取待测地历史气温实际数据和天气预报气象数据，并进行归一化处理；构建GBDT模型；利用多策略对金枪鱼群优化算法进行优化，利用ITSO对GBDT模型的超参数进行优化；筛选天气预报气象数据的天气要素，利用不同天气要素组合的数据对ITSO‑GBDT模型进行训练，将训练之后的ITSO‑GBDT模型作为气温预报偏差订正模型，筛选出用于气温预报偏差订正的预报要素组合；将筛选后的预报要素组合数据和时间步长输入至气温预报偏差订正模型，得到气温预报偏差订正后的结果。本发明解决数值天气预报中气温不准确的问题，并且在原有预测气温基础上进一步缩小气温预报误差值。
-
公开(公告)号：CN117649001A
公开(公告)日：2024-03-05
申请号：CN202410116196.4
申请日：2024-01-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于改进金枪鱼群算法优化GBDT对气温进行偏差订正的方法，包括：获取待测地历史气温实际数据和天气预报气象数据，并进行归一化处理；构建GBDT模型；利用多策略对金枪鱼群优化算法进行优化，利用ITSO对GBDT模型的超参数进行优化；筛选天气预报气象数据的天气要素，利用不同天气要素组合的数据对ITSO‑GBDT模型进行训练，将训练之后的ITSO‑GBDT模型作为气温预报偏差订正模型，筛选出用于气温预报偏差订正的预报要素组合；将筛选后的预报要素组合数据和时间步长输入至气温预报偏差订正模型，得到气温预报偏差订正后的结果。本发明解决数值天气预报中气温不准确的问题，并且在原有预测气温基础上进一步缩小气温预报误差值。
-
公开(公告)号：CN117388953A
公开(公告)日：2024-01-12
申请号：CN202311708401.8
申请日：2023-12-13
Applicant: 南京信息工程大学
IPC: G01W1/10 , G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于大数据框架的SADBO改进MIM‑rwkv的气象预报方法，获取ERA5再分析数据、高分辨率WRF回顾性仿真模拟数据及气象站点观测数据并进行数据处理；基于处理后数据训练MIM‑rwkv网络模型，该模型的数据嵌入层、数据混合操作、门控阵列模块及像素重塑层充分考虑了输入数据的时间、空间及通道的维度特征，能够提供地面风的东西向及南北向分量高指标、高分辨率的预测结果；使用SADBO优化算法对MIM‑rwkv神经网络的超参数进行全局搜索，能够进一步提升神经网络的评估指标；MinIO对象存储服务、WebGIS框架及Kuzzle搜索引擎提供了对大规模的气象数据进行高效合理的存储、处理和分析的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN115345207B
公开(公告)日：2023-07-04
申请号：CN202211252774.4
申请日：2022-10-13
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/10 , G06N3/0464 , G06N3/08 , G06N20/10 , G06F18/2411 , G06N3/006
Abstract: 本发明公开了一种自适应的多气象要素预测方法，使用最邻近插值补全缺失值和替换异常值，用一维卷积神经网络对三种气象数据进行特征提取及降维，可以充分考虑数据的深层特征；改进的EM算法求解GMM最佳参数集可以跳出局部最优，改进的GMM模型能对三种气象要素进行分类，再分别预测，起到了对多种气象要素同时进行预测的有益效果；通过DFT‑CNN模型，判断降水和风速状态，根据不同状态，分别设置相对应的子序列分解数目，从而极大的提高预测精度；使用EWT算法将时序数据分解为数目不同的子序列，对三种气象要素各子序列构建BES‑RBF神经网络进行预测，通过序列重构得到更加精确的预测结果。
-
公开(公告)号：CN115857061A
公开(公告)日：2023-03-28
申请号：CN202310140522.0
申请日：2023-02-21
Applicant: 南京信息工程大学
IPC: G01W1/10 , G06N3/0442 , G06N3/086
Abstract: 本发明公开了一种基于大数据自适应GA‑PSO改进LSTM预测气温方法包括如下步骤海量气象数据获取，数据解析，数据存储；对气象数据进行预处理；对气象数据进行编码，提取预测气温特征；构建自适应GA‑PSO‑LSTM预测模型；本发明能够处理大数据时代气象数据预测气温的问题，考虑到了气象数据的时间序列与季节性对气温预测的影响，通过自适应修改算法权重参数，构建了准确率和鲁棒性较高的气温预测模型。
-
公开(公告)号：CN114912723A
公开(公告)日：2022-08-16
申请号：CN202210840119.4
申请日：2022-07-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于HHT‑BMVO‑BP的短期风速预测方法，包括获取风速数据，并对数据进行归一化处理后得到原始风速序列，用HHT对风速信号进行分解得到一系列分量，对于HHT分解后得到的各个分量分别建立对应的BMVO‑BP模型，将各个分量样本数据导入对应建立好的模型中进行预测。BMVO‑BP组合模型中进行BP神经网络权值与阈值寻优并进行风速序列的预测，将组合模型中预测的各风速子序列进行重构，进而得到最终的风速预测值。本发明可以大大的提高风速预测的精准性。
-
公开(公告)号：CN114090220A
公开(公告)日：2022-02-25
申请号：CN202210034852.7
申请日：2022-01-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种分级CPU和内存资源调度方法，涉及网络资源调度处理技术领域，本发明基于各个终端节点所构成的集群，在预设时间范围内针对集群中各个终端节点产生的资源调度请求进行响应；基于集群中所有可用资源，生成与各个资源调度请求相对应的各个pod，针对集群中产生资源调度请求的各个终端节点，将各个产生资源调度请求的终端节点作为待部署节点，基于各待部署节点产生的各个资源调度请求、以及响应各个资源调度请求所生成的各个pod，将pod部署至待部署节点中，完成资源调度。通过本发明的技术方案，避免出现资源不足、或者资源占用过高等资源分配不均的情况，同时可以提高集群的资源均衡率。
-
公开(公告)号：CN112699624B
公开(公告)日：2021-06-22
申请号：CN202110310653.X
申请日：2021-03-24
Applicant: 南京信息工程大学
IPC: G06F30/28 , G06N20/00 , G06F17/11 , G06F119/14
Abstract: 本发明公开了一种恶劣气象条件下的弹道解算方法，包括步骤：（1）针对各种典型恶劣气象对飞行弹箭弹道的影响进行分类，确定是直接影响弹箭的阻力和升力，或仅是对环境参数有影响；（2）根据各种恶劣气象的特点，提取出恶劣气象的气象学特征；（3）建立各种恶劣气象关于弹道气象参数的特征函数，获取弹道模型所涉及气象参数与恶劣气象之间的内在关联；（4）利用感知机学习算法建立各种恶劣气象的识别模型；（5）将恶劣气象的模式识别模型与弹道模型联立，得到可计及恶劣气象条件影响的弹道解算模型；（6）将弹道解算模型与短临预报系统提供的信息相结合，来进一步优化弹道解算结果。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.036 seconds)
