-
Patent Agency Ranking
公开(公告)号：CN120067600A
公开(公告)日：2025-05-30
申请号：CN202510526798.1
申请日：2025-04-25
Applicant: 成都信息工程大学
IPC: G06F18/20 , G06F18/214 , G06N20/20 , G06N3/098 , G01W1/10
Abstract: 本发明属于气象预报技术领域，公开了一种低计算资源下的气象预报大模型快速预报方法、系统、设备、介质及终端。基于神经网络的微调技术、利用集成思想，针对现有大模型的大参数量训练对数据、计算资源要求高且训练难等问题，面向气象领域，设计一种低计算资源下的大模型快速预报方法，突破现有大模型训练的技术壁垒，实现低计算资源下从零开始快速预报出有效的大模型。本发明可实现低计算资源下的大模型快速预报，避免了现有大模型训练的高计算资源要求。本发明通过集成多种小模型的方式构成大模型，解决了现有大模型大参数量训练难的问题。本发明聚焦于气象领域的预报模型，对其他领域同样适用。
-
公开(公告)号：CN114758155B
公开(公告)日：2025-01-10
申请号：CN202210374299.1
申请日：2022-04-11
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
IPC: G06V10/50 , G06V10/762 , G06V10/75 , G06T7/60
Abstract: 本发明涉及一种基于优化聚类的云微粒子数据处理方法，主要包括首先对云微粒子探测设备采集的原始云微粒子图像数据进行数据集划分和筛选，然后对所有图像数据进行图像预聚类方法处理，接着对像素块图像数据进行像素块合并及云微粒子区域进行提取，通过该方法可对随机筛选的云微粒子数据进行了基于多种像素块尺寸参数和多种搜索范围参数的聚类处理，对不同采集时间段的原始云微粒子进行不同聚类处理，对云微粒子数据的不同聚类结果进行了基于比值离散度的分析，提高了云微粒子区域提取的准确性和可靠性。
-
公开(公告)号：CN114758155A
公开(公告)日：2022-07-15
申请号：CN202210374299.1
申请日：2022-04-11
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
IPC: G06V10/50 , G06V10/762 , G06K9/62 , G06T7/60
Abstract: 本发明涉及一种基于优化聚类的云微粒子数据处理方法，主要包括首先对云微粒子探测设备采集的原始云微粒子图像数据进行数据集划分和筛选，然后对所有图像数据进行图像预聚类方法处理，接着对像素块图像数据进行像素块合并及云微粒子区域进行提取，通过该方法可对随机筛选的云微粒子数据进行了基于多种像素块尺寸参数和多种搜索范围参数的聚类处理，对不同采集时间段的原始云微粒子进行不同聚类处理，对云微粒子数据的不同聚类结果进行了基于比值离散度的分析，提高了云微粒子区域提取的准确性和可靠性。
-
公开(公告)号：CN115128616A
公开(公告)日：2022-09-30
申请号：CN202210932180.1
申请日：2022-08-04
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
Abstract: 本发明涉及基于机载Ka波段降水云雷达的液态水含量反演方法。主要使用飞机原位测量的全尺寸分布和机载降水云雷达的反射率，从机载Ka波段降水云雷达测量的总反射率中明确分离不同水凝物贡献的反射率Z，然后从原位测量得到每种水凝物的质量浓度M和反射率Z之间的关系。将液态水的Z‑M关系应用到分离出来的液态水回波中，得到云中整个垂直剖面的液态水含量。该方法可以显著减小液态水含量与反射率之间的离散性，从而更准确地确定云中液态水含量。
-
公开(公告)号：CN115128616B
公开(公告)日：2025-03-28
申请号：CN202210932180.1
申请日：2022-08-04
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
Abstract: 本发明涉及基于机载Ka波段降水云雷达的液态水含量反演方法。主要使用飞机原位测量的全尺寸分布和机载降水云雷达的反射率，从机载Ka波段降水云雷达测量的总反射率中明确分离不同水凝物贡献的反射率Z，然后从原位测量得到每种水凝物的质量浓度M和反射率Z之间的关系。将液态水的Z‑M关系应用到分离出来的液态水回波中，得到云中整个垂直剖面的液态水含量。该方法可以显著减小液态水含量与反射率之间的离散性，从而更准确地确定云中液态水含量。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
