-
公开(公告)号:CN118312925B
公开(公告)日:2024-08-06
申请号:CN202410734176.3
申请日:2024-06-07
Applicant: 国家气象中心(中央气象台)
IPC: G06F18/25 , G06F18/2431 , G06F18/2337 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01W1/02 , G01W1/10
Abstract: 本发明提出一种雷暴大风识别方法、系统、设备及介质,属于气象智能识别领域。方法包括:构建雷暴大风识别模型;将风速时序输入站点时序特征编码器,得到风速时序编码特征;将格点资料数据输入多源格点资料编码器,得到格点资料编码特征;将风速时序编码特征和格点资料编码特征输入多模态特征融合模块进行特征融合后得到解码,得到有无雷暴大风的二分类结果;通过将5km邻域命中、5km邻域漏报和5km邻域空报带入TS评分,构建TS_LOSS损失函数;根据TS_LOSS损失函数和BCE_LOSS损失函数,得到TG_LOSS损失函数训练雷暴大风识别模型。本发明提出的方案能够精确地识别雷暴大风,其命中率更高,空报和漏报更少。
-
公开(公告)号:CN118312925A
公开(公告)日:2024-07-09
申请号:CN202410734176.3
申请日:2024-06-07
Applicant: 国家气象中心(中央气象台)
IPC: G06F18/25 , G06F18/2431 , G06F18/2337 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01W1/02 , G01W1/10
Abstract: 本发明提出一种雷暴大风识别方法、系统、设备及介质,属于气象智能识别领域。方法包括:构建雷暴大风识别模型;将风速时序输入站点时序特征编码器,得到风速时序编码特征;将格点资料数据输入多源格点资料编码器,得到格点资料编码特征;将风速时序编码特征和格点资料编码特征输入多模态特征融合模块进行特征融合后得到解码,得到有无雷暴大风的二分类结果;通过将5km邻域命中、5km邻域漏报和5km邻域空报带入TS评分,构建TS_LOSS损失函数;根据TS_LOSS损失函数和BCE_LOSS损失函数,得到TG_LOSS损失函数训练雷暴大风识别模型。本发明提出的方案能够精确地识别雷暴大风,其命中率更高,空报和漏报更少。
-