-
公开(公告)号:CN113962462A
公开(公告)日:2022-01-21
申请号:CN202111238963.1
申请日:2021-10-25
申请人: 中国科学院空天信息创新研究院 , 中科卫星应用德清研究院
摘要: 本发明提供了一种基于卷积神经网络的风场稳定度预测方法及系统。该方法包括:采集风场的风速时间序列及风向时间序列;对采集到的风速时间序列及风向时间序列进行矢量化,得到矢量时间序列;以预设长度的时间窗口内的平均矢量为基准,将矢量时间序列区分为稳定矢量时间序列及非稳定矢量时间序列;利用稳定矢量时间序列及非稳定矢量时间序列,训练卷积神经网络;利用训练好的卷积神经网络进行风场稳定度预测。本发明提供的基于卷积神经网络的风场稳定度预测方法及系统能够快速有效地对未来一段时间内风场的变化进行预测。
-
公开(公告)号:CN114064787A
公开(公告)日:2022-02-18
申请号:CN202111263658.8
申请日:2021-10-25
申请人: 中国科学院空天信息创新研究院 , 中科卫星应用德清研究院
摘要: 本发明涉及一种基于MODIS数据的全球地表温度数据生成方法及系统。所述方法包括:将全球陆地表面温度LST数据和全球海洋表面温度SST数据做均值处理;按照LST数据的分辨率,对SST数据进行重采样;将重采样后的SST数据与LST数据进行拼接;对拼接后的数据进行插值,包括中纬度缺值区插值及北极缺值区插值;其中对于北极区域出现的缺值,对该区域温度值进行重新赋值;根据插值结果生成全球地表温度GST数据。本发明提供的基于MODIS数据的全球地表温度数据生成方法及系统不仅能够顾及晴空像的信息的同时,也能够规避云层覆盖对地表温度的增温/减温效应而产生的数据精度不高的问题。
-