公开(公告)号：CN111766641B

公开(公告)日：2020-12-01

申请号：CN202010901847.2

申请日：2020-09-01

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 王兴 ,  陆冰鉴 ,  周鹏 ,  钱代丽 ,  詹少伟 ,  苗春生 ,  张越 ,  薛丰昌 ,  王晖 ,  周可

IPC: G01W1/00 ,  G01S13/95 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及大气科学领域，提出一种以深度神经网络为模型，以雷达回波图像为主要输入，利用光流技术生成回波移动光流图像作为辅助输入，通过数据集增强、代价函数优化和模型泛化性能优化等步骤，实现对强对流天气智能识别的方法。本申请提出一种基于深度神经网络技术的强对流天气智能识别方法，该方法能够将以往由气象工作者主观研读雷达资料来分析强对流天气的过程自动化、定量化，提高了对强对流天气识别相关业务的可靠性和时效性。

公开(公告)号：CN111766641A

公开(公告)日：2020-10-13

申请号：CN202010901847.2

申请日：2020-09-01

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 王兴 ,  陆冰鉴 ,  周鹏 ,  钱代丽 ,  詹少伟 ,  苗春生 ,  张越 ,  薛丰昌 ,  王晖 ,  周可

IPC: G01W1/00 ,  G01S13/95 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及大气科学领域，提出一种以深度神经网络为模型，以雷达回波图像为主要输入，利用光流技术生成回波移动光流图像作为辅助输入，通过数据集增强、代价函数优化和模型泛化性能优化等步骤，实现对强对流天气智能识别的方法。本申请提出一种基于深度神经网络技术的强对流天气智能识别方法，该方法能够将以往由气象工作者主观研读雷达资料来分析强对流天气的过程自动化、定量化，提高了对强对流天气识别相关业务的可靠性和时效性。

公开(公告)号：CN112255611B

公开(公告)日：2023-04-11

申请号：CN202011171264.5

申请日：2020-10-28

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 王兴 ,  陆冰鉴 ,  周鹏 ,  钱代丽 ,  詹少伟 ,  苗春生 ,  张越 ,  薛丰昌 ,  王晖 ,  周可

IPC: G01S7/41

Abstract: 本发明实施例公开了大气科学技术领域的一种基于雷达探测数据的下击暴流智能识别方法，包括如下步骤：S1、建立随雷达探测时间t变化的雷达探测数据D(t)，并定义D(t‑1)、D(t‑2)直至D(t‑n)分别为t时刻之前的1‑n个时间周期的雷达探测数据；S2、建立随雷达探测数据D(t)变化的雷达回波图像Pa(D(t))和雷达径向速度图像Pb(D(t))。本发明通过从有限的数据集中获得尽可能多的有效信息，避免陷入局部的极值，并寻求最优参数；通过多个模型可以用于模型集成，提升模型识别的准确率和稳定性。

公开(公告)号：CN111832230A

公开(公告)日：2020-10-27

申请号：CN202010695781.6

申请日：2020-07-20

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 陆冰鉴 ,  王兴 ,  詹少伟 ,  苗春生 ,  周可 ,  薛丰昌 ,  张越

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 基于相关性分析和数据均衡的能见度分层预测模型，模型建立步骤如下：采集气象站观测数据，通过相关性分析挑选出与能见度相关性较大的因子，形成数据样本；处理数据样本，得到训练样本和测试样本；按照能见度类别划分标准训练样本进行统计分析，通过随机下采样的方法均衡各类样本，得到新的训练样本；通过长短期记忆神经网络（LSTM）分类模型对新的训练样本进行样本分类；将分类结果及对应的类别训练样本输入基于LSTM的回归模型中，选择每类对应的子类样本，最终回归出能见度。本发明提出的基于相关性分析和数据均衡的能见度分层预测算法模型提高了网络的泛化能力，从而提高能见度类别预测的准确率，降低能见度预测的误差，具有较高的应用价值。

公开(公告)号：CN112255611A

公开(公告)日：2021-01-22

申请号：CN202011171264.5

申请日：2020-10-28

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 王兴 ,  陆冰鉴 ,  周鹏 ,  钱代丽 ,  詹少伟 ,  苗春生 ,  张越 ,  薛丰昌 ,  王晖 ,  周可

IPC: G01S7/41

Abstract: 本发明实施例公开了大气科学技术领域的一种基于雷达探测数据的下击暴流智能识别方法，包括如下步骤：S1、建立随雷达探测时间t变化的雷达探测数据D(t)，并定义D(t‑1)、D(t‑2)直至D(t‑n)分别为t时刻之前的1‑n个时间周期的雷达探测数据；S2、建立随雷达探测数据D(t)变化的雷达回波图像Pa(D(t))和雷达径向速度图像Pb(D(t))。本发明通过从有限的数据集中获得尽可能多的有效信息，避免陷入局部的极值，并寻求最优参数；通过多个模型可以用于模型集成，提升模型识别的准确率和稳定性。

公开(公告)号：CN110555515A

公开(公告)日：2019-12-10

申请号：CN201910781174.9

申请日：2019-08-22

Applicant: 南京信大气象科学技术研究院有限公司

Inventor： 陆冰鉴 ,  周鹏 ,  王兴 ,  薛丰昌 ,  苗春生 ,  周可 ,  詹少伟 ,  张越

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 一种基于EEMD和LSTM的短期风速预测方法，基于集合经验模态分解EEMD与长短期记忆神经网络LSTM相结合的风速预测模型，通过EEMD对风速序列进行分解，得到较为平稳的子序列，较好的保留了原始数据的性质，优化了传统经验模态EMD模态混叠带来的误差，与LSTM预测模型相结合，改善了LSTM预测模型的滞后性，相对于传统的方法效率更高，同时能够有效降低预测误差。