-
公开(公告)号：CN117872508B
公开(公告)日：2024-06-11
申请号：CN202410282363.2
申请日：2024-03-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种欧亚地区冷锋路径的自动追踪方法，包括步骤：S1，收集欧亚地区的冷锋数据集；S2，读取冷锋数据集中各冷锋的经度、纬度范围和对应的时间，获得各个时次冷锋的具体位置；S3，以冷锋所在经纬度范围划定搜索框，根据不同的冷锋走向划定不同的搜索框；S4，检索下一时次在搜索框内的冷锋数目；S5，确定连续冷锋；S6，重复步骤S4、S5，对下一时次的连续冷锋进行追踪，并对追踪的连续冷锋作标记；S7，当搜索框内检索不到连续冷锋时，则连续冷锋追踪结束；S8，将追踪到的各连续冷锋的中心点的连线确定为连续冷锋的移动路径。本发明实现对欧亚大陆连续冷锋及其移动路径自动识别，提高识别追踪的效率和准确性。
-
公开(公告)号：CN117853949B
公开(公告)日：2024-05-14
申请号：CN202410256898.2
申请日：2024-03-07
Applicant: 南京信息工程大学
Abstract: 一种使用卫星云图识别冷锋的深度学习方法、系统，该方法包括获取气象数据，计算850hPa温度平流，绘制卫星云图和气象要素图；对卫星云图进行预处理；使用预处理云图、海平面气压图和850hPa温度平流图制作用于识别冷锋的RGB图像；利用气象数据、850hPa温度平流和预处理云图，制作冷锋标签集；将RGB图像数据集和冷锋标签集输入到DETR模型中进行训练并测试，获得冷锋的识别结果。本发明得到了较好的自动化识别结果，实现了直接从图像中识别冷锋，有益于现代化天气预报业务中结合卫星云图识别冷锋的自动化，且能够提高冷锋位置和形态识别的准确性，为预报业务提供参考。
-
公开(公告)号：CN117872508A
公开(公告)日：2024-04-12
申请号：CN202410282363.2
申请日：2024-03-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种欧亚地区冷锋路径的自动追踪方法，包括步骤：S1，收集欧亚地区的冷锋数据集；S2，读取冷锋数据集中各冷锋的经度、纬度范围和对应的时间，获得各个时次冷锋的具体位置；S3，以冷锋所在经纬度范围划定搜索框，根据不同的冷锋走向划定不同的搜索框；S4，检索下一时次在搜索框内的冷锋数目；S5，确定连续冷锋；S6，重复步骤S4、S5，对下一时次的连续冷锋进行追踪，并对追踪的连续冷锋作标记；S7，当搜索框内检索不到连续冷锋时，则连续冷锋追踪结束；S8，将追踪到的各连续冷锋的中心点的连线确定为连续冷锋的移动路径。本发明实现对欧亚大陆连续冷锋及其移动路径自动识别，提高识别追踪的效率和准确性。
-
公开(公告)号：CN117237677B
公开(公告)日：2024-03-26
申请号：CN202311518546.1
申请日：2023-11-15
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G06V10/74 , G01W1/10 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06T7/62 , G06T7/60 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的强降水空间整体相似度的降水预报订正方法，包括以下步骤：（1）利用YOLOv5对降水属性进行识别；（2）建立基于GAN的降水预报订正模型；（3）建立基于GAN且融合降水空间特征的强降水订正模型O‑GAN；（4）将测试期的数值模式预报数据代入模型O‑GAN，生成后处理之后的降水预报；本发明有效提高了传统仅优化逐点误差模型的订正技巧；实现了从降水图片到降水雨团空间属性的“端到端”输出，提高客观识别效率；避免了传统逐点订正模型可能出现的预报模糊化问题，同时能够有效捕捉强降水特征，提高降水预报准确率。
-
公开(公告)号：CN116562142B
公开(公告)日：2023-12-01
申请号：CN202310528394.7
申请日：2023-05-11
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F30/28 , G06F18/214 , G06N3/0464 , G06N3/08 , G01W1/10 , G01W1/06 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种气象要素延伸期预报方法及装置，所述方法包括：将设定时间段的气象资料输入训练好的SAND‑Net模型，输出设定时间段后若干天的气象要素低频分量预测结果，并将气象要素低频分量预测结果与对应的气候场相加，得到预报结果；将预报结果与设定时间段的低频变量场、常量场输入WRF模型中进行动力降尺度，得到最终的延伸期预报结果。本发明在一般的深度学习模型基础上加入了动力降尺度环节，改良了传统深度学习预报方法忽视大气动力学制约条件的缺点，提高了延伸期气象要素预报时空分辨率，改善了延伸期预报的预报效果。(56)对比文件李天宇 等.DERF2.0 模式对东亚夏季环流及其低频分量 的延伸期预报检验评估《.气象灾害防御》.2022,第第29卷卷(第第3期期),第24-28页.Herbert Bos 等.Sandnet: NetworkTraffic Analysis of Malicious Software.《ResearchGate》.2011,第1-11页.
-
Patent Agency Ranking
公开(公告)号：CN116562142A
公开(公告)日：2023-08-08
申请号：CN202310528394.7
申请日：2023-05-11
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06F30/28 , G06F18/214 , G06N3/0464 , G06N3/08 , G01W1/10 , G01W1/06 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种气象要素延伸期预报方法及装置，所述方法包括：将设定时间段的气象资料输入训练好的SAND‑Net模型，输出设定时间段后若干天的气象要素低频分量预测结果，并将气象要素低频分量预测结果与对应的气候场相加，得到预报结果；将预报结果与设定时间段的低频变量场、常量场输入WRF模型中进行动力降尺度，得到最终的延伸期预报结果。本发明在一般的深度学习模型基础上加入了动力降尺度环节，改良了传统深度学习预报方法忽视大气动力学制约条件的缺点，提高了延伸期气象要素预报时空分辨率，改善了延伸期预报的预报效果。
-
公开(公告)号：CN113344136B
公开(公告)日：2022-03-15
申请号：CN202110763216.3
申请日：2021-07-06
Applicant: 南京信息工程大学
Abstract: 本发明提出一种基于Mask R‑CNN深度学习模型的反气旋客观识别方法，以提高反气旋识别的准确性，并提升对反气旋系统二维外形特征的客观描述能力。本发明提出的反气旋客观识别方法利用海平面气压数据与人工识别反气旋数据训练Mask R‑CNN深度学习模型，通过训练好的模型得到机器识别反气旋数据。本发明的客观识别方法可对反气旋进行较为准确的个体位置识别，同时该客观识别方法对实际存在的反气旋系统有较为良好的二维外形特征表述能力。
-
公开(公告)号：CN118447256B
公开(公告)日：2024-10-18
申请号：CN202410903539.1
申请日：2024-07-08
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/045 , G06N3/0895 , G06N3/094 , G06V10/774
Abstract: 本发明公开了一种基于强弱一致性的半监督对抗互训练语义分割方法，包括以下步骤：（1）获取开源网站Pascal VOC2012数据集体并进行预处理；（2）构建基于改进的deeplabV3+差异特征一致性融合伪标签分支监督分割网络并进行训练，包括：快速增强网络和重度增广网络；（3）输出分割图；本发明使用互训练的思想构建了一个基于强弱一致性的对抗联合训练架构方法，用于半监督语义分割，不仅拥有很好的端对端训练，而且在训练中使用了互训练的方法，两个分支相互监督避免了确认偏差的影响，且特征对抗的思想更是强制让模型拥有更强的泛化能力，强弱一致性也让模型能够在图像包含较少有效信息的情况下有很好的性能。
-
公开(公告)号：CN118072126B
公开(公告)日：2024-07-02
申请号：CN202410444908.5
申请日：2024-04-15
Applicant: 南京信息工程大学 , 无锡天祺云辰科技有限责任公司
IPC: G06V10/774 , G06V10/25 , G06V10/22 , G06V10/26 , G06V10/82
Abstract: 本发明公开了一种基于ModelArts平台的暖锋识别方法，步骤S1、获取历史时间段内风场uv、温度、相对湿度、地面海平面气压场、10m风场数据，绘制成气象要素图像并人工处理，得到训练标签；步骤S2、利用设定历史时间段内风场uv和温度数据计算出温度平流数据，将温度平流、温度、相对湿度数据三个要素进行处理，与训练标签制作成暖锋训练数据集；步骤S3、将暖锋训练数据集、DETR模型脚本、训练镜像分别上传至ModelArts平台，并对DETR模型网络进行训练，识别暖锋权重；步骤S4：利用DETR模型识别暖锋权重进行预测，获得暖锋数据；本发明提高了锋面自动化分析的准确度，并在硬件与平台上实现了国产化。
-
公开(公告)号：CN117236201A
公开(公告)日：2023-12-15
申请号：CN202311525721.X
申请日：2023-11-16
Applicant: 南京信息工程大学 , 无锡学院 , 南京气象科技创新研究院 , 中国人民解放军国防科技大学
IPC: G06F30/27 , G01W1/10 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于Diffusion和ViT的降尺度方法，包括以下步骤：S1建立低分辨率数值模式降水预报与高分辨率降水观测样本，并进行预处理；S2构建Diffusion‑Vision‑Transformer降水预报模型；S3训练模型，直至Diffusion‑Vision‑Transformer的误差收敛，保存模型并进行预测；本发明通过利用Vision Transformer模型代替原始Diffusion模型中的U‑Net结构，大幅提高模型的训练效率，减低模型用于预测的时间。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.03 seconds)
