-
公开(公告)号：CN108647806A
公开(公告)日：2018-10-12
申请号：CN201810298944.X
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种考虑大尺度环流背景场的延伸期预报方法。本发明考虑不同大尺度环流背景，综合应用中高纬、热带相互作用及其对区域延伸期天气的影响，选取不同背景下的最佳因子，通过多因子的回归，对目标进行预报。本发明能针对不同的大尺度背景场，选择合适的因子进行预报，从而提高了预报技巧，在针对多尺度特征变量的诊断分析和预报中存在广泛的应用前景。
-
公开(公告)号：CN114841226A
公开(公告)日：2022-08-02
申请号：CN202210015337.4
申请日：2022-01-07
Abstract: 本发明涉及一种江淮地区强降水中心场的提取方法，属于计算机客观天气分型技术领域。该方法包括如下步骤：1)建立表示强降水量场集合的数据集；2)查找每个强降水量场的κ邻域强降水量场；3)求每个强降水量场的密度指标；4)求每个强降水量场的分布指标；5)计算每个强降水量场的密度指标和分布指标的几何平均值，即为中心场的判定初值，然后更新判定初值，得到每个强降水量场的中心场判定值；6)从中心场判定值中选取大于0的值对应的降水量场日期和降水量格点值，即为强降水类型的中心场的出现日期及降水量。本发明只需要单一的预定义参数，且运行结果没有随机性，并能准确提取出分布呈现非凸形状的强降水量场集合的中心场。
-
Patent Agency Ranking
公开(公告)号：CN111985727B
公开(公告)日：2023-07-28
申请号：CN202010914511.X
申请日：2020-09-03
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06F30/27 , G06F18/214 , G06N3/0464 , G01W1/10
Abstract: 本发明公开一种基于环流分型模型天气预测方法及系统，方法包括：利用强降水过程历史个例数据集，确定待分型区域的环流场；根据所述待分型区域的环流场确定待分型子区域的测试样本集、分步迁移样本集和训练样本集；利用所述分步迁移样本集和所述训练样本集进行残差神经网络训练建模，获得所述待分型子区域持续性强降水对应的环流分型模型；利用所述环流分型模型对持续性强天气过程进行预测。本发明采用残差神经网络进行训练建模获得环流分型模型，然后基于环流分型模型对天气进行预测，该方法结果不容易受个别点值异常变化干扰，进而提高对天气预测的精度。
-
公开(公告)号：CN108647806B
公开(公告)日：2021-12-17
申请号：CN201810298944.X
申请日：2018-04-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种考虑大尺度环流背景场的延伸期预报方法。本发明考虑不同大尺度环流背景，综合应用中高纬、热带相互作用及其对区域延伸期天气的影响，选取不同背景下的最佳因子，通过多因子的回归，对目标进行预报。本发明能针对不同的大尺度背景场，选择合适的因子进行预报，从而提高了预报技巧，在针对多尺度特征变量的诊断分析和预报中存在广泛的应用前景。
-
公开(公告)号：CN105678420A
公开(公告)日：2016-06-15
申请号：CN201610011378.0
申请日：2016-01-06
Applicant: 南京信息工程大学
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公布了一种基于多因子回归集合、交叉检验集合、逐月滚动集合的跨年度短期气候预测方法，属于气象学短期气候预测理论方法领域。本发明方法包括，首先根据大尺度正压涡动方程，采用反映理论方程中平流项和外源强迫项作用的势函数场和流函数场作为预测因子场；然后，考虑不同因子时效的组合及其独立性，综合应用多因子回归集合、交叉检验集合、逐月滚动集合，对目标进行预测。本发明在基本因子场的选择、最终因子的确定、多种集合的应用上有改进。其优点在于预测时效长、计算相对模式简单、预测效果较好、区域适应性强等特点，可以应用于其它尺度和不同要素变量的预测问题。
-
公开(公告)号：CN111985727A
公开(公告)日：2020-11-24
申请号：CN202010914511.X
申请日：2020-09-03
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于环流分型模型天气预测方法及系统，方法包括：利用强降水过程历史个例数据集，确定待分型区域的环流场；根据所述待分型区域的环流场确定待分型子区域的测试样本集、分步迁移样本集和训练样本集；利用所述分步迁移样本集和所述训练样本集进行残差神经网络训练建模，获得所述待分型子区域持续性强降水对应的环流分型模型；利用所述环流分型模型对持续性强天气过程进行预测。本发明采用残差神经网络进行训练建模获得环流分型模型，然后基于环流分型模型对天气进行预测，该方法结果不容易受个别点值异常变化干扰，进而提高对天气预测的精度。
-
公开(公告)号：CN106251022A
公开(公告)日：2016-12-21
申请号：CN201610644070.X
申请日：2016-08-08
Applicant: 南京信息工程大学
IPC: G06Q10/04
CPC classification number: G06Q10/04
Abstract: 本发明公开了一种基于多因子的多参数相似集合的短期气候预测方法。本发明预测方法根据考虑不同因子时效的组合及其独立性，综合应用反映预测样本间空间距离和形态相似的多种相似参数，选取最佳相似年及相反年份，通过对多个最佳样本对应的要素进行合成集合，并进行交叉检验和逐月滚动，最终对目标进行预测。本发明在相似参数的选择及使用上有改进。其优点在于能针对可能发生异常变化的区域进行预测，不局限于因子与预报量之间线性部分的预测。相似方法的非线性使该方法在不同尺度预测领域存在更好的应用前景，也可用于模式产品的统计释用以提高模式预报水平。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
