-
公开(公告)号：CN117849902A
公开(公告)日：2024-04-09
申请号：CN202311585301.0
申请日：2023-11-27
Applicant: 中国长江电力股份有限公司 , 武汉区域气候中心
IPC: G01W1/10 , G01W1/14 , G06T3/4007 , G06T3/4046 , G06T3/4053 , G06N3/08 , G06N7/01
Abstract: 本发明公开一种时空双订正高分辨次季节网格集合降水预报释用方法，其特征在于：它包括如下步骤：步骤1.基于深度学习超分辨方法的历史高分辨率网格降水重建；步骤2.模式多样本数据的逐日降水预报线性集合预报；步骤3.基于概率密度订正的单网格点时序订正方法；步骤4.基于核密度估计的空间网格降水的空间订正；步骤5.基于深度学习超分辨率的逐日网格降水生成；步骤6.深度学习超分辨率的11‑60天逐候网格降水日、候、旬预报；本发明解决了目前模式输出的降水预报误差大，网格分辨率粗，业务中难以使用等问题。
-
公开(公告)号：CN119249139A
公开(公告)日：2025-01-03
申请号：CN202411236035.5
申请日：2024-09-04
Applicant: 中国长江电力股份有限公司 , 武汉区域气候中心
IPC: G06F18/2135 , G06F18/23 , G06F18/243 , G06N3/088 , G06N3/09 , G06N20/00
Abstract: 本发明公开一种基于混合特征提取和提升树的月季气候预测方法，包括以下步骤：S101：获取因子的历史数据；所述因子的历史数据包括物理量场因子的历史数据和预报对象的历史数据；S102：对因子的历史数据进行标准化，得到标准化后的数据；S103：对标准化后的数据采用监督学习回归类分析，提取其均方误差场；对标准化后的数据采用相关系数类分析，提取其相关系数场；S104：获取均方误差场的预报因子集；获取相关系数场的预报因子集；S105：将均方误差场的预报因子集和相关系数场的预报因子集合并，得到多因子序列；本发明相较传统线性方法，预测结果稳定性及准确性都有一定程度的提升。
-
公开(公告)号：CN119200035A
公开(公告)日：2024-12-27
申请号：CN202411101590.7
申请日：2024-08-12
Applicant: 中国长江电力股份有限公司 , 武汉区域气候中心
IPC: G01W1/10 , G06V20/13 , G06V10/143 , G06V10/764 , G06F18/25 , G01W1/12 , G01S19/25 , G01S19/37 , G06F123/02
Abstract: 本发明属于卫星积雪遥感产品处理技术领域，具体提供一种风云卫星为主的多源数据融合积雪覆盖获取方法，包括风云卫星数据积雪覆盖判识产品SFY；获取MODIS上午星、下午星积雪覆盖合成产品SMODIS；获取预处理后的积雪产品SIMS、SRE、SMW；生成初步积雪覆盖融合产品；生成积雪覆盖时间滤波产品；生成积雪覆盖空间滤波产品；生成基于陆面观测订正的积雪覆盖产品；生成积雪覆盖区域雪线订正产品；获得完全无云的逐日积雪覆盖产品。该方法融合多源数据来提供更多积雪信息，去除积雪观测影像中的云污染，以实现高精度、逐日无云的动态积雪覆盖监测。
-
公开(公告)号：CN113988150A
公开(公告)日：2022-01-28
申请号：CN202111063403.7
申请日：2021-09-10
Applicant: 武汉区域气候中心(湖北省农业气象中心、湖北省生态气象和卫星遥感中心)
Abstract: 本发明提供了一种监督学习与非监督学习结合的因子提取气候特征方法，包括：获取因子的历史数据；所述因子的历史数据包括物理量场因子的历史数据和预报对象的历史数据；对因子的历史数据进行标准化，得到标准化后的数据；对标准化后的数据采用监督学习回归类作分析，提取其均方误差场；对标准化后的数据采用相关系数类作分析，提取其相关系数场；获取均方误差场的预报因子集；获取相关系数场的预报因子集；将均方误差场的预报因子集和相关系数场的预报因子集合并，得到多因子序列。本发明的有益效果：避免了大范围提取因子时，总体高相关和高影响的区域会掩盖掉较低影响区域的信息；避免过多丢弃了与整体场要素模态不一致的低信号信息。
-
-
-
Search Results
4
records
(took 0.045 seconds)
