-
公开(公告)号：CN114742179B
公开(公告)日：2022-09-02
申请号：CN202210658920.7
申请日：2022-06-13
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于ECMWF的格点预报偏差修正方法，首先获取卫星数据、雷达数据、ECMWF格点预报数据、以及ECMWF再分析数据，以切片方式获得不同高度不同时刻一定范围内数据；在数据预处理阶段，使卫星数据、雷达数据插值到和ECMWF的格点预报数据相同的分辨率上；随后针对ECMWF再分析数据的各数据类型进行特征选择，综合得到各目标气象因子，并归一化处理；在构建深度学习网络结构阶段，利用深度学习的非线性映射能力和信息提取能力，构建Encoder‑Decoder网络提取时间和空间特征进行预测修正；整个设计方案充分考虑与相关的其他不同高度的气象因素和时间特征，根据历史气象数据，对气象预报数据进行有效修正。
-
公开(公告)号：CN114742179A
公开(公告)日：2022-07-12
申请号：CN202210658920.7
申请日：2022-06-13
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于ECMWF的格点预报偏差修正方法，首先获取卫星数据、雷达数据、ECMWF格点预报数据、以及ECMWF再分析数据，以切片方式获得不同高度不同时刻一定范围内数据；在数据预处理阶段，使卫星数据、雷达数据插值到和ECMWF的格点预报数据相同的分辨率上；随后针对ECMWF再分析数据的各数据类型进行特征选择，综合得到各目标气象因子，并归一化处理；在构建深度学习网络结构阶段，利用深度学习的非线性映射能力和信息提取能力，构建Encoder‑Decoder网络提取时间和空间特征进行预测修正；整个设计方案充分考虑与相关的其他不同高度的气象因素和时间特征，根据历史气象数据，对气象预报数据进行有效修正。
-
公开(公告)号：CN116432702B
公开(公告)日：2023-08-29
申请号：CN202310678856.3
申请日：2023-06-09
Applicant: 南京信息工程大学
IPC: G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/082 , G06F17/17 , G06F18/25 , G01W1/10 , G01W1/18
Abstract: 本发明公开了一种用于ECMWF预报产品订正的深度学习NFC‑Net网络模型。首先获取待订正区域内的DEM数据、FY‑4A卫星数据、ECMWF格点预报数据和ERA5再分析数据；随后构建预报订正网络NFC‑Net，该网络包括空间分辨率对齐模块、时空特征提取模块和UNet订正模块。空间分辨率对齐模块用于将FY‑4A卫星数据、DEM数据与ECMWF数据进行对齐。时空特征提取模块用于提取ERA5历史再分析数据和FY‑4A卫星数据的时空特征，UNet订正模块用于将上述多源异构数据的时空特征进行学习，输出订正结果。本方法能够融合多源异构数据的特征，对ECMWF预报产品进行有效订正。
-
公开(公告)号：CN116432702A
公开(公告)日：2023-07-14
申请号：CN202310678856.3
申请日：2023-06-09
Applicant: 南京信息工程大学
IPC: G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/082 , G06F17/17 , G06F18/25 , G01W1/10 , G01W1/18
Abstract: 本发明公开了一种用于ECMWF预报产品订正的深度学习NFC‑Net网络模型。首先获取待订正区域内的DEM数据、FY‑4A卫星数据、ECMWF格点预报数据和ERA5再分析数据；随后构建预报订正网络NFC‑Net，该网络包括空间分辨率对齐模块、时空特征提取模块和UNet订正模块。空间分辨率对齐模块用于将FY‑4A卫星数据、DEM数据与ECMWF数据进行对齐。时空特征提取模块用于提取ERA5历史再分析数据和FY‑4A卫星数据的时空特征，UNet订正模块用于将上述多源异构数据的时空特征进行学习，输出订正结果。本方法能够融合多源异构数据的特征，对ECMWF预报产品进行有效订正。
-
-
-
Search Results
4
records
(took 0.03 seconds)
