公开(公告)号：CN113344902A

公开(公告)日：2021-09-03

申请号：CN202110714050.6

申请日：2021-06-25

Applicant: 成都信息工程大学

Inventor： 文立玉 ,  罗飞 ,  卫霄飞 ,  唐正全 ,  张喜

IPC: G06T7/00 ,  G06T7/13 ,  G06T17/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的强对流天气雷达图识别模型及方法，首先根据雷达基数据中回波反射率因子生成反射率图像，对强对流天气的雷达图像样本进行分析，提取风暴单体的图像特征，结合常用气象因子建立样本图像特征数据库，然后，采用深度学习建立雷达图像自动标注系统框架，利用FasterR‑CNN模型自动识别并对其进行分类，最后采用改进的双向ConvST‑LSTM来存储时间和空间信息，同步进行轨迹识别强对流天气现象的移动；本发明充分考虑强对流天气分型特征以及气象要素的影响因子，采用改进的双记忆递归单元存储时间和空间信息，增加相邻状态之间的转换深度，提高处理短期变化的能力，从而提高模型对雷达图像的识别能力。

公开(公告)号：CN114355482B

公开(公告)日：2022-08-16

申请号：CN202210002182.0

申请日：2022-01-04

Applicant: 成都信息工程大学

Inventor： 文立玉 ,  罗飞 ,  廖文龙 ,  舒红平 ,  卫霄飞 ,  唐正全 ,  曹亮 ,  刘魁

IPC: G01W1/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于光流和气象数值预报的强对流天气识别方法及系统，其中方法主要体现在计算光流，搭建模型并训练模型，所述模型包括NWP stream模块和Optical flow模块，在训练器中输入的一次训练数据包含一个NWP数据以及所述NWP数据所对应的光流数据，其中光流数据的计算方法为：在数据集中根据样本数据的时间戳向前查找上一个时间戳所对应的数据集文件，基于这两个文件所对应的计算光流的函数，计算出对应的光流数据，NWP数据输入NWP stream模块的分支，光流数据输入Optical Flow模块的分支，所述NWP数据以及所述光流数据同时进行卷积运算，同时进行求导，在模型最后进行矩阵相加，输入SoftMax层得出最终结果。本发明可以实现强对流天气的细粒度分类。

公开(公告)号：CN114548595A

公开(公告)日：2022-05-27

申请号：CN202210202985.0

申请日：2022-03-03

Applicant: 成都信息工程大学

Inventor： 文立玉 ,  罗飞 ,  廖文龙 ,  舒红平 ,  卫霄飞 ,  唐正全 ,  曹亮 ,  刘魁

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08 ,  G01W1/10

Abstract: 本发明公开了一种基于注意力机制的强对流天气物理特征量预测方法及系统，其中方法主要体现在搭建模型，所述模型包括注意力机制模块、编码模块以及解码模块，当输入数据进入到所述模型时，输入数据经过所述注意力机制模块，根据上一次的隐藏状态预测当前输入结果，将当前输入结果和当前输入数据叠加在一起并经过解码编码模块进行编码形成当前隐藏状态，将历史隐藏状态和当前隐藏状态相加后，通过所述解码模块解码后进行卷积生成预测结果。本发明有效解决了多维度、多输入的时空序列预测问题。

公开(公告)号：CN113344902B

公开(公告)日：2022-05-06

申请号：CN202110714050.6

申请日：2021-06-25

Applicant: 成都信息工程大学

Inventor： 文立玉 ,  罗飞 ,  卫霄飞 ,  唐正全 ,  张喜

IPC: G06T7/00 ,  G06T7/13 ,  G06T17/00 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的强对流天气雷达图识别方法，首先根据雷达基数据中回波反射率因子生成反射率图像，对强对流天气的雷达图像样本进行分析，提取风暴单体的图像特征，结合常用气象因子建立样本图像特征数据库，然后，采用深度学习建立雷达图像自动标注系统框架，利用FasterR‑CNN模型自动识别并对其进行分类，最后采用改进的双向ConvST‑LSTM来存储时间和空间信息，同步进行轨迹识别强对流天气现象的移动；本发明充分考虑强对流天气分型特征以及气象要素的影响因子，采用改进的双记忆递归单元存储时间和空间信息，增加相邻状态之间的转换深度，提高处理短期变化的能力，从而提高模型对雷达图像的识别能力。

公开(公告)号：CN114355482A

公开(公告)日：2022-04-15

申请号：CN202210002182.0

申请日：2022-01-04

Applicant: 成都信息工程大学

Inventor： 文立玉 ,  罗飞 ,  廖文龙 ,  舒红平 ,  卫霄飞 ,  唐正全 ,  曹亮 ,  刘魁

IPC: G01W1/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于光流和气象数值预报的强对流天气识别方法及系统，其中方法主要体现在计算光流，搭建模型并训练模型，所述模型包括NWP stream模块和Optical flow模块，在训练器中输入的一次训练数据包含一个NWP数据以及所述NWP数据所对应的光流数据，其中光流数据的计算方法为：在数据集中根据样本数据的时间戳向前查找上一个时间戳所对应的数据集文件，基于这两个文件所对应的计算光流的函数，计算出对应的光流数据，NWP数据输入NWP stream模块的分支，光流数据输入Optical Flow模块的分支，所述NWP数据以及所述光流数据同时进行卷积运算，同时进行求导，在模型最后进行矩阵相加，输入SoftMax层得出最终结果。本发明可以实现强对流天气的细粒度分类。