-
公开(公告)号：CN113688536A
公开(公告)日：2021-11-23
申请号：CN202111041379.7
申请日：2021-09-07
Applicant: 华北电力大学
IPC: G06F30/20 , G06Q10/06 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了属于气候遥相关技术领域的一种基于析因设计分析ENSO指数和降水相关关系方法。包括以下步骤：1、搜集ENSO指数以及研究区域的降水数据；2、将研究区域的降水数据处理成沿时间序列和空间位置的月均值、月极值以及月异常值降水矩阵；3、计算各因子以及因子间的交互作用对响应变量的影响，筛选出影响最大的因子以及因子水平，确定特定区域的ENSO指数与降水指标最显著相关的因子组合；4、将ENSO指数排列成与降水指标时间序列一一对应且比降水指标提前1到l个月的矩阵；5、通过t‑test公式来检验相关关系。本发明解决了ENSO指数与不同地区降水相关关系之间不确定性的问题；能够分析不同因子之间交互作用对相关关系的影响。
-
公开(公告)号：CN113705657B
公开(公告)日：2024-01-19
申请号：CN202110974266.6
申请日：2021-08-24
Applicant: 华北电力大学
IPC: G06F7/544
Abstract: 本发明公开了一种基于差分法消除多重共线性的逐步聚类统计降尺度方法，首先，通构建预测因子和预测量数据模型；接着利用差分法消除多重共线性；然后进行模型训练阶段，通过逐步聚类统计降尺度，合并或分割产生聚类树；再然后，在模型验证阶段，将预测因子输入到聚类树模型进行验证；最后在模型预测阶段，将预测因子的未来数据输入到聚类树模型中，对气候要素进行长期预测。本发明解决了气候统计降尺度模型中出现得多重共线性问题，所构建的聚类树模型更能反映真实的预测因子与预测量之间的关系，为计算未来气候要素提供了更可靠的统计方法。(56)对比文件曹玉婷.“基于分子光谱的物质定量与定性相关研究”《.中国硕士学位论文全文数据库》.2018,全文.Bingqing Wang等.“Identifying MainFactors of Wind Power Generation Based onPrincipal Component Regression: A CaseStudy of Xiamen”《.2022 6th InternationalConference on Green Energy andApplications (ICGEA)》.2022,全文.Yi-Feng Pan等.“Improving Scene TextDetection by Scale-Adaptive Segmentationand Weighted CRF Verification”《.2011International Conference on DocumentAnalysis and Recognition》.2011,全文.
-
公开(公告)号：CN113688536B
公开(公告)日：2023-10-17
申请号：CN202111041379.7
申请日：2021-09-07
Applicant: 华北电力大学
IPC: G06F30/20 , G06Q10/0639 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了属于气候遥相关技术领域的一种基于析因设计分析ENSO指数和降水相关关系方法。包括以下步骤：1、搜集ENSO指数以及研究区域的降水数据；2、将研究区域的降水数据处理成沿时间序列和空间位置的月均值、月极值以及月异常值降水矩阵；3、计算各因子以及因子间的交互作用对响应变量的影响，筛选出影响最大的因子以及因子水平，确定特定区域的ENSO指数与降水指标最显著相关的因子组合；4、将ENSO指数排列成与降水指标时间序列一一对应且比降水指标提前1到l个月的矩阵；5、通过t‑test公式来检验相关关系。本发明解决了ENSO指数与不同地区降水相关关系之间不确定性的问题；能够分析不同因子之间交互作用对相关关系的影响。
-
公开(公告)号：CN113610302A
公开(公告)日：2021-11-05
申请号：CN202110908454.9
申请日：2021-08-09
Applicant: 华北电力大学
Abstract: 本发明公开了属于地表温度降尺度技术领域的一种基于逐步聚类与循环神经网络的地表温度降尺度方法。包括以下步骤，步骤1：获取站点温度实测数据以及大尺度、低分辨率气候预报因子，得到预报因子代表性强的因子；步骤2：对步骤1的数据进行逐步聚类，并对温度实测数据序列中的缺失值进行插值处理；步骤3：设定超参数，构建循环神经网络模型；步骤4：训练与验证循环神经网络模型；步骤5：对未来气候变化情景下的每日温度数据进行降尺度；步骤6：通过全连接层，得到未来气候变化情景下高分辨率的每日模拟温度数据。本发明方法的效果优于大部分传统统计降尺度方法，运算较快，使用方便，善于处理少量有效样本的站点实测数据，实用性较强。
-
公开(公告)号：CN113610302B
公开(公告)日：2024-02-23
申请号：CN202110908454.9
申请日：2021-08-09
Applicant: 华北电力大学
IPC: G06F18/213 , G06F18/15 , G06F18/2321 , G06F18/214 , G06N3/0442 , G06N3/0985 , G06N3/082 , G06N3/0499
Abstract: 本发明公开了属于地表温度降尺度技术领域的一种基于逐步聚类与循环神经网络的地表温度降尺度方法。包括以下步骤，步骤1：获取站点温度实测数据以及大尺度、低分辨率气候预报因子，得到预报因子代表性强的因子；步骤2：对步骤1的数据进行逐步聚类，并对温度实测数据序列中的缺失值进行插值处理；步骤3：设定超参数，构建循环神经网络模型；步骤4：训练与验证循环神经网络模型；步骤5：对未来气候变化情景下的每日温度数据进行降尺度；步骤6：通过全连接层，得到未来气候变化情景下高分辨率的每日模拟温度数据。本发明方法的效果优于大部分传统统计降尺度方法，运算较快，使用方便，善于处理少量有效样本的站点实测数据，实用性较强。
-
Patent Agency Ranking
公开(公告)号：CN113837283B
公开(公告)日：2024-01-30
申请号：CN202111125728.3
申请日：2021-09-26
Applicant: 华北电力大学
IPC: G06F18/23213 , G06F18/241
Abstract: 本发明提出一种基于均值聚类与线性判别的热带气旋等级划分方法，选取多套CMIP6HighResMIP气候数据集，并依据tracking algorithm追踪法则在气候格点数据集中追踪所有TC轨迹，提取每一时间尺度下每个追踪点所携带的气候信息，利用暖核探测方法识别出非TC类别与TC类别，利用Kmeans聚类方法，并依据所有TC类别追踪点所携带的气候信息，划分出7类TC事件；将非TC类别与已划分出的7类TC事件共8个类别作为预测的初始判据，并通过Fisher线性判别法建立热带气旋强度和所述气候信息之间的关系。
-
公开(公告)号：CN113705657A
公开(公告)日：2021-11-26
申请号：CN202110974266.6
申请日：2021-08-24
Applicant: 华北电力大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于差分法消除多重共线性的逐步聚类统计降尺度方法，首先，通构建预报因子和预测量数据模型；接着利用差分法消除多重共线性；然后进行模型训练阶段，通过逐步聚类统计降尺度，合并或分割产生聚类树；再然后，在模型验证阶段，将预报因子输入到聚类树模型进行验证；最后在模型预测阶段，将预报因子的未来数据输入到聚类树模型中，对气候要素进行长期预测。本发明解决了气候统计降尺度模型中出现得多重共线性问题，所构建的聚类树模型更能反映真实的预测因子与预报量之间的关系，为计算未来气候要素提供了更可靠的统计方法。
-
公开(公告)号：CN113671599A
公开(公告)日：2021-11-19
申请号：CN202110981255.0
申请日：2021-08-25
Applicant: 华北电力大学
IPC: G01W1/10
Abstract: 本发明提出一种基于全球气候模式的登陆气旋识别方法，对台风最频繁发生区域的数据统计降尺度，筛选出历史气旋记录，提取训练期与验证期内气旋自登陆日起至消亡的逐日气象信息，并保存为NetCDF格式文件，将NetCDF格式文件循环组合绘图。对作为正样本的逐日气象信息NetCDF文件和负样本的非气旋登入日气象信息NetCDF文件分别提取特征；利用SVM对提取出的特征进行训练，生成正负训练样本集；将验证集的正样本NetCDF文件特征与SVM训练样本中的正样本比较，验证模型效果；将未来气候情景下气压和风速的降尺度结果特征提取，并与正样本训练集的特征进行比较分析，判断气旋是否存在。本发明方法可从任意一套全球气候模式数据中识别出台风。
-
公开(公告)号：CN113807409B
公开(公告)日：2024-01-23
申请号：CN202110992630.1
申请日：2021-08-27
Applicant: 华北电力大学
IPC: G06F7/00
Abstract: 本发明公开了属于气象信息技术领域的一种基于判别分析的海岸带分类方法。利用多元统计分析方法判别分析对选取的海岸带特征气候因子进行判别分类，采用带有海岸带海陆特征信息的气候因子为分类对象，利用历史时期和未来预测的气候因子信息来动态量化海岸带分类；参照不同精度的气候因子，得到不同精度条件下的海岸带分类，解决现有海岸带分类过程中精度和准确度低、难以量化等技术问题，能够得到精度高、准确性好的分类结果。同时也提高了海岸带分类的综合性，降低了分类过程中的不确定性风险；提取数据后，将经过训练的数据建立了多元统计关系后，得到的是预判率小于5％的分类结果，所得到的分类应是可信的。验证结果准确率较高，误判率较低。
-
公开(公告)号：CN113807409A
公开(公告)日：2021-12-17
申请号：CN202110992630.1
申请日：2021-08-27
Applicant: 华北电力大学
IPC: G06K9/62
Abstract: 本发明公开了属于气象信息技术领域的一种基于判别分析的海岸带分类方法。利用多元统计分析方法判别分析对选取的海岸带特征气候因子进行判别分类，采用带有海岸带海陆特征信息的气候因子为分类对象，利用历史时期和未来预测的气候因子信息来动态量化海岸带分类；参照不同精度的气候因子，得到不同精度条件下的海岸带分类，解决现有海岸带分类过程中精度和准确度低、难以量化等技术问题，能够得到精度高、准确性好的分类结果。同时也提高了海岸带分类的综合性，降低了分类过程中的不确定性风险；提取数据后，将经过训练的数据建立了多元统计关系后，得到的是预判率小于5％的分类结果，所得到的分类应是可信的。验证结果准确率较高，误判率较低。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
