-
公开(公告)号：CN118330787B
公开(公告)日：2024-09-13
申请号：CN202410743135.0
申请日：2024-06-11
Applicant: 浙江工业大学
IPC: G01W1/10 , G01W1/02 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于多模态域变换和自适应融合的台风生成预报方法，以台风相关的二维卫星数据和三维环境数据作为输入数据，采用傅立叶频率注意力来增强二维红外卫星云图的特征表示，采用三维联合注意力来兼顾四维环境数据特征中位置和通道维度的信息提取，同时提出了多模态融合模块自适应融合上述两种模态，融合多尺度和多模态特征，从复杂的气象数据中获取有价值的信息，最后得到台风生成的概率值。本发明从复杂的气象数据中获取有价值的信息，能够准确进行台风生成预报。
-
公开(公告)号：CN113222210B
公开(公告)日：2022-09-23
申请号：CN202110339724.9
申请日：2021-03-30
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于多模态生成对抗的台风短期预测方法及装置，将标准化处理后的台风经纬度数据和台风强度数据进行多模态融合，得到多模态台风数据，将多模态台风数据输入到构建好的预测网络模型中进行训练，采用最终预测网络模型进行台风预测。本发明构建了预测网络模型和判别模块，能够训练出有效的预测网络模型，准确进行台风预测。所训练的预测网络模型，能够同时预测台风的轨迹和强度。
-
公开(公告)号：CN114325880B
公开(公告)日：2022-05-31
申请号：CN202210218269.1
申请日：2022-03-08
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于雷达回波图的降雨预测方法及装置，构建降雨预测网络模型，所述降雨预测网络模型包括编码器和解码器，所述编码器包括依次连接的四个特征平衡提取模块，所述解码器也同样包括依次连接的四个特征平衡提取模块，所述编码器的第一、第二、第三特征平衡提取模块的输出还分别与所述解码器的第三、第二、第一特征平衡提取模块的输入进行连接。本发明仅仅在输入雷达回波图的情况下，对未来降雨趋势进行有效预测，克服了现存的降雨预测方法所需资源巨大且全局信息丢失的问题，在实际的应用中简单且有效。
-
公开(公告)号：CN119441789A
公开(公告)日：2025-02-14
申请号：CN202510038074.2
申请日：2025-01-10
Applicant: 浙江工业大学
IPC: G06F18/20 , G06F18/25 , G06N3/0464 , G06F18/241
Abstract: 一种基于多源数据融合和长距离建模的沙尘暴多任务检测方法，属于沙尘暴检测领域，包括以下步骤：S1、将气象再分析数据输入气象再分析数据处理网络，通过二维卷积和池化操作逐级提取气象再分析数据特征，至少提取四个尺度的气象再分析数据特征；S2、将初始的卫星数据与气象再分析数据连接得到初始的多源数据，将多源数据输入多源数据处理网络，进行长距离特征提取得到融合数据特征，然后连接同一尺度的气象再分析数据特征，继续进行长距离特征提取，得到能够表征沙尘暴的数据特征；S3、将得到的数据特征进行上采样，数据特征尺寸扩展至与输入数据一致，最后经过分类器得到沙尘暴的发生范围或发生强度。本发明提高了沙尘暴强度检测的性能。
-
公开(公告)号：CN118332278B
公开(公告)日：2024-11-19
申请号：CN202410426784.8
申请日：2024-04-10
Applicant: 浙江工业大学
IPC: G06F18/20 , G06N3/0455 , G06N3/0464 , G06N3/044 , G06N3/08 , G06F18/213 , G06F18/25 , G01W1/00
Abstract: 本发明属于台风实时估计技术领域，公开了一种基于物理约束和关联建模的台风多任务估计方法，利用中心扩展池化算法从云顶数据中提取出中心特征，结合从步幅序列中得到的步幅特征，通过多头交叉注意力机制与类别编码器的共同作用，得到多个特性特征；将多个特性特征分别输入多域递归卷积模块，得到对应的转换特征；将时序多通道卫星数据、台风中心的经纬度及其存在时长送入通用网络、位置编码器和时间编码器得到共享特征；将任务的特性特征、转换特征以及共享特征融合，通过估计模块得到风速估计结果和风圈估计结果。本发明通过关联建模和物理约束解决现有技术方案无法有效地同时估计台风强度和风圈大小的问题，以及缺乏物理学引导的问题。
-
Patent Agency Ranking
公开(公告)号：CN118330787A
公开(公告)日：2024-07-12
申请号：CN202410743135.0
申请日：2024-06-11
Applicant: 浙江工业大学
IPC: G01W1/10 , G01W1/02 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于多模态域变换和自适应融合的台风生成预报方法，以台风相关的二维卫星数据和三维环境数据作为输入数据，采用傅立叶频率注意力来增强二维红外卫星云图的特征表示，采用三维联合注意力来兼顾四维环境数据特征中位置和通道维度的信息提取，同时提出了多模态融合模块自适应融合上述两种模态，融合多尺度和多模态特征，从复杂的气象数据中获取有价值的信息，最后得到台风生成的概率值。本发明从复杂的气象数据中获取有价值的信息，能够准确进行台风生成预报。
-
公开(公告)号：CN117332364A
公开(公告)日：2024-01-02
申请号：CN202311209274.7
申请日：2023-09-18
Applicant: 浙江工业大学
IPC: G06F18/25 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多模态信息混合引导的台风多任务估计方法，将时序多通道卫星数据与位置提取模块提取的位置特征进行融合后，输入共享网络模块，然后将共享网络模块的输出特征与时间提取模块提取的发展时长特征进行融合，得到共享特征。将时序多通道卫星数据差值输入到发展网络模块，提取发展特征，然后分别与类别提取模块提取的强度权重特征和风圈权重特征相乘，得到强度发展特征和风圈发展特征。最后将共享特征与强度发展特征拼接后输入到强度解码器，估计出台风的强度，将共享特征与风圈发展特征拼接后输入到风圈解码器，估计出台风的风圈半径。本发明学习强度和风圈估计两种任务之间的共性和特性，最后实现强度和风圈的同时估计。
-
公开(公告)号：CN113222210A
公开(公告)日：2021-08-06
申请号：CN202110339724.9
申请日：2021-03-30
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于多模态生成对抗的台风短期预测方法及装置，将标准化处理后的台风经纬度数据和台风强度数据进行多模态融合，得到多模态台风数据，将多模态台风数据输入到构建好的预测网络模型中进行训练，采用最终预测网络模型进行台风预测。本发明构建了预测网络模型和判别模块，能够训练出有效的预测网络模型，准确进行台风预测。所训练的预测网络模型，能够同时预测台风的轨迹和强度。
-
公开(公告)号：CN116992231B
公开(公告)日：2024-10-18
申请号：CN202310881739.7
申请日：2023-07-18
Applicant: 浙江工业大学
IPC: G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G01W1/10
Abstract: 本发明公开了一种降雨短时预测方法，包括获取降雨图像序列数据，采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果。本降雨短时预测方法采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果，且提取出了降雨图像序列的时序特征，且整个过程不需要进行网络计算，进而避免了梯度爆炸和计算资源大的问题；利用降雨短时预测网络模型中得到最后降雨预测结果，实现对降雨的预测，并且在降雨短时预测网络模型中采用时序特征约束器，用以对后q帧数据的预先预测结果的降雨数据的时序特征进行约束，使得与真实降雨图像数据有相近的时序特征，进而减小预测偏差；同时基于全卷积减少梯度爆炸的问题。
-
公开(公告)号：CN116992231A
公开(公告)日：2023-11-03
申请号：CN202310881739.7
申请日：2023-07-18
Applicant: 浙江工业大学
IPC: G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G01W1/10
Abstract: 本发明公开了一种降雨短时预测方法，包括获取降雨图像序列数据，采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果。本降雨短时预测方法采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果，且提取出了降雨图像序列的时序特征，且整个过程不需要进行网络计算，进而避免了梯度爆炸和计算资源大的问题；利用降雨短时预测网络模型中得到最后降雨预测结果，实现对降雨的预测，并且在降雨短时预测网络模型中采用时序特征约束器，用以对后q帧数据的预先预测结果的降雨数据的时序特征进行约束，使得与真实降雨图像数据有相近的时序特征，进而减小预测偏差；同时基于全卷积减少梯度爆炸的问题。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
