-
公开(公告)号：CN115761261A
公开(公告)日：2023-03-07
申请号：CN202211495440.X
申请日：2022-11-27
Applicant: 东南大学 , 江阴市智行工控科技有限公司
Abstract: 本发明公开了一种基于雷达回波图外推的短临降水预测方法，首先采用UNet网络模型框架，并在其特征编码块上进行改进，通过引入多尺度特征嵌入模块获得局部和全局的短临降水的特征信息，从而增加了模型的多尺度预测能力；引入多层级融合模块实现局部、中等、全局特征在不同层级之间的信息传递，能够充分利用CNN关注局部信息和Transformer建立全局依赖的优势，提高模型在雷达回波序列空间维度上的特征表达；并且采用跨时间的Transformer算法挖掘雷达回波序列时序上的依赖关系，学习得到短临降水的时间变化趋势，增强模型在雷达回波序列时间维度上的特征表达；改进后的模型增强了模型在雷达回波序列空间、时间维度上的特征提取能力，提升了短临降水预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110363327B
公开(公告)日：2021-09-03
申请号：CN201910480042.2
申请日：2019-06-04
Applicant: 东南大学
Abstract: 本发明公开了基于ConvLSTM和3D‑CNN的短临降水预测方法，属于天气预报技术领域，其包括以下步骤：首先输入t时刻的历史雷达回波图与网格化温度、总降水，对其进行数据清洗与去噪；接着对降水数据不均衡问题进行统计分析，建立不同降水率等级使用不同权重的新的损失函数；然后，对网格化温度、总降水使用基于幂次与对数变换的气象数据映射方法进行标准化；最后，将经过之前步骤的t时刻输入数据融合为数据块，并进行基于卷积长短期记忆神经网络和三维卷积神经网络的模型搭建与测试，输出短临降水预测结果；本发明能够提升暴雨预测精度、合理地对气象数据进行图像化与标准化、融合多种气象数据的图像特征并降低噪声干扰。
-
公开(公告)号：CN110363327A
公开(公告)日：2019-10-22
申请号：CN201910480042.2
申请日：2019-06-04
Applicant: 东南大学
Abstract: 本发明公开了基于ConvLSTM和3D-CNN的短临降水预测方法，属于天气预报技术领域，其包括以下步骤：首先输入t时刻的历史雷达回波图与网格化温度、总降水，对其进行数据清洗与去噪；接着对降水数据不均衡问题进行统计分析，建立不同降水率等级使用不同权重的新的损失函数；然后，对网格化温度、总降水使用基于幂次与对数变换的气象数据映射方法进行标准化；最后，将经过之前步骤的t时刻输入数据融合为数据块，并进行基于卷积长短期记忆神经网络和三维卷积神经网络的模型搭建与测试，输出短临降水预测结果；本发明能够提升暴雨预测精度、合理地对气象数据进行图像化与标准化、融合多种气象数据的图像特征并降低噪声干扰。
-
公开(公告)号：CN110059082A
公开(公告)日：2019-07-26
申请号：CN201910307685.7
申请日：2019-04-17
Applicant: 东南大学
IPC: G06F16/215 , G06F16/21 , G06N3/04
Abstract: 本发明公开了一种基于1D-CNN与Bi-LSTM的天气预测方法，基于气象站点观测数据和数值预报产品，对数据进行清洗，对两种气象数据进行时间错位处理，对站点号进行one-hot编码，进行数据标准化，将数据转换到0-1的范围区间，去除数据的单位限制，将其转化为无量纲的纯数值；然后，通过基于1D-CNN和Bi-LSTM的深度学习网络训练处理好的数据、生成预测模型，最后用训练好的模型预测待预测的气象数据，并对其进行反归一化，得到最终的气象数据预测结果。采用本发明可以提高天气预报的预测精度。
-
公开(公告)号：CN110046756A
公开(公告)日：2019-07-23
申请号：CN201910274476.7
申请日：2019-04-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于小波去噪与Catboost的短时天气预报方法，包括以下步骤：S1：输入t时刻的历史气候特征数据，对由时刻t、O1-On和M1-Mm组成的输入数据进行数据清洗；S2：对O1-On和M1-Mm进行排序，剔除分值低于Q分的特征数据；S3：对待预测气候特征序列的P个站点进行one-hot编码；对待预测气候特征序列的时间信息进行时钟投影以得到时间特征；S4：对待预测气候特征序列中的距地面2米高度处的温度、距地面2米高度处的相对湿度以及距地面10米高度处的风速进行小波去噪；S5：训练Catboost模型，将测试集输入到训练后的Catboost模型中，输出距地面2米高度处的温度、距地面2米高度处的相对湿度以及距地面10米高度处的风速的预测结果。本发明能够减少收敛时间，提高预测效率。
-
公开(公告)号：CN110046756B
公开(公告)日：2021-05-07
申请号：CN201910274476.7
申请日：2019-04-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于小波去噪与Catboost的短时天气预报方法，包括以下步骤：S1：输入t时刻的历史气候特征数据，对由时刻t、O1‑On和M1‑Mm组成的输入数据进行数据清洗；S2：对O1‑On和M1‑Mm进行排序，剔除分值低于Q分的特征数据；S3：对待预测气候特征序列的P个站点进行one‑hot编码；对待预测气候特征序列的时间信息进行时钟投影以得到时间特征；S4：对待预测气候特征序列中的距地面2米高度处的温度、距地面2米高度处的相对湿度以及距地面10米高度处的风速进行小波去噪；S5：训练Catboost模型，将测试集输入到训练后的Catboost模型中，输出距地面2米高度处的温度、距地面2米高度处的相对湿度以及距地面10米高度处的风速的预测结果。本发明能够减少收敛时间，提高预测效率。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
