-
公开(公告)号：CN118780148A
公开(公告)日：2024-10-15
申请号：CN202410526585.4
申请日：2024-04-29
IPC: G06F30/27 , G01S19/14 , G01W1/02 , G01N33/00 , G06N3/0442 , G06F18/243 , G06F18/10
Abstract: 本发明涉及一种基于静止卫星的小时级别近地面臭氧浓度反演方法,包含：步骤1：采集若干时间段内近地面臭氧监测站点数据集、静止卫星观测数据集及对应时间的气象数据集并对其进行预处理；步骤2：基于预处理后的地面臭氧监测站点数据集、静止卫星观测数据集及对应时间的气象数据集构建基于静止卫星光化学特征的近地面臭氧浓度反演模型并进行验证；步骤3：基于预处理后的地面臭氧监测站点数据集、静止卫星观测数据集及对应时间的气象数据集构建基于静止卫星光化学特征的近地面臭氧浓度预测模型并进行验证。本发明能够实现从近地面臭氧的光化学机制层面更深入地刻画近地面臭氧分布的时空间特征的情况，为近地面臭氧污染的监测提供工具。
-
公开(公告)号：CN114330120B
公开(公告)日：2024-04-23
申请号：CN202111623874.9
申请日：2021-12-28
Applicant: 武汉大学
IPC: G06F18/20 , G06F18/213 , G06N3/0442 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于深度神经网络预测24小时PM2.5浓度的方法。针对目前对PM2.5长期浓度预测误差较大的问题，本发明将CEEMD分解方法与AE‑BILSTM堆叠的深度神经网络模型进行组合，构建新型混合预测模型来实现PM2.5浓度的短期精确预测和长期浓度趋势的模拟。目前深度神经网络模型已经被广泛应用，并表现出良好的性能；基于经验模态分解方法提取时间序列数据变化特征的优势也逐渐突显，两者的结合可以带来更好的预测结果。
-
公开(公告)号：CN114021436A
公开(公告)日：2022-02-08
申请号：CN202111245783.6
申请日：2021-10-26
Applicant: 武汉大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供了一种基于近地面紫外辐射的近地面臭氧反演方法。本发明突破了直接利用卫星观测臭氧柱浓度进行反演的模型精度的限制，充分利用了光化学反应中紫外波段的辐射强度和近地面臭氧生成的理化性质和定量关系，实现了广覆盖、高精度的近地面臭氧的反演。此外，训练后的反演模型(深度学习模型)计算方便快速，可用于快速反演；转换结果准确，可应用于其他领域的研究。
-
Patent Agency Ranking
公开(公告)号：CN113987782B
公开(公告)日：2024-07-12
申请号：CN202111246019.0
申请日：2021-10-26
Applicant: 武汉大学
IPC: G06F30/20 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于云信息的近地面紫外辐照度卫星缺失数据补全方法。本发明实现的补全近地面紫外辐照度卫星缺失数据的方法突破了卫星直接观测近地面紫外数据的空间分辨率以及覆盖率的限制，充分利用了云信息和地表气象信息和近地面紫外的统计关系，实现了广覆盖、高精度、高分辨率的近地面紫外辐照度的反演。此外，训练后的反演模型(深度学习)计算方便快速，可用于快速反演；转换结果准确，可应用于其他领域的研究。
-
公开(公告)号：CN113987782A
公开(公告)日：2022-01-28
申请号：CN202111246019.0
申请日：2021-10-26
Applicant: 武汉大学
IPC: G06F30/20 , G06K9/62 , G06F119/02
Abstract: 本发明公开了一种基于云信息的近地面紫外辐照度卫星缺失数据补全方法。本发明实现的补全近地面紫外辐照度卫星缺失数据的方法突破了卫星直接观测近地面紫外数据的空间分辨率以及覆盖率的限制，充分利用了云信息和地表气象信息和近地面紫外的统计关系，实现了广覆盖、高精度、高分辨率的近地面紫外辐照度的反演。此外，训练后的反演模型(深度学习)计算方便快速，可用于快速反演；转换结果准确，可应用于其他领域的研究。
-
公开(公告)号：CN116562418A
公开(公告)日：2023-08-08
申请号：CN202310270702.0
申请日：2023-03-20
Applicant: 武汉大学
Abstract: 本发明公开了一种基于气溶胶信息和深度学习的实时预测闪电方法，包括：A)闪电发生统计数据集的预处理、B)基于气溶胶和气象信息的闪电实时预测深度学习模型的建立、C)深度学习模型的自验证、D)模型应用预测未来闪电的发生。闪电发生统计数据集预处理包括站点对闪电观测的有效样本的筛选、闪电发生位置的经纬度匹配、以及闪电活跃与不活跃期间气溶胶和气象相关参数的匹配；基于气溶胶和气象信息的闪电实时预测深度学习模型的建立包括搭建具备时间序列捕捉能力和高分类精度的深度学习模块、以及将闪电发生的统计数据集输入到该深度学习模型中，捕捉闪电发生的相关条件；最后将模型应用到目标时间段中，输出的数据为未来1小时闪电发生的概率。
-
公开(公告)号：CN114330120A
公开(公告)日：2022-04-12
申请号：CN202111623874.9
申请日：2021-12-28
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度神经网络预测24小时PM2.5浓度的方法。针对目前对PM2.5长期浓度预测误差较大的问题，本发明将CEEMD分解方法与AE‑BILSTM堆叠的深度神经网络模型进行组合，构建新型混合预测模型来实现PM2.5浓度的短期精确预测和长期浓度趋势的模拟。目前深度神经网络模型已经被广泛应用，并表现出良好的性能；基于经验模态分解方法提取时间序列数据变化特征的优势也逐渐突显，两者的结合可以带来更好的预测结果。
-
公开(公告)号：CN114021436B
公开(公告)日：2024-07-26
申请号：CN202111245783.6
申请日：2021-10-26
Applicant: 武汉大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明提供了一种基于近地面紫外辐射的近地面臭氧反演方法。本发明突破了直接利用卫星观测臭氧柱浓度进行反演的模型精度的限制，充分利用了光化学反应中紫外波段的辐射强度和近地面臭氧生成的理化性质和定量关系，实现了广覆盖、高精度的近地面臭氧的反演。此外，训练后的反演模型(深度学习模型)计算方便快速，可用于快速反演；转换结果准确，可应用于其他领域的研究。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
