-
公开(公告)号：CN117574329A
公开(公告)日：2024-02-20
申请号：CN202410051354.2
申请日：2024-01-15
Applicant: 南京信息工程大学
IPC: G06F18/27 , G06F18/214 , G06Q50/26
Abstract: 本发明公开了基于集成学习的二氧化氮精细化空间分布方法，收集目标区域对二氧化氮浓度产生影响因素的原始数据，将原始数据进行预处理；将预处理之后的原始数据分别与二氧化氮浓度进行相关性分析，将相关性高的原始数据作为预测变量；构建Stacking模型作为集成学习模型，利用原始数据训练Stacking模型；将训练之后的Stacking模型作为二氧化氮浓度预测模型，利用该浓度预测模型对待测区域进行二氧化氮浓度预测。本发明采用集成学习方法，融合多个机器学习模型，包括6个基模型和1个元模型，提高二氧化氮浓度的精细化空间分布预测准确度；同时减少对异常点和噪声数据的过拟合，提高模型的稳定性和泛化能力。
-
公开(公告)号：CN114626743B
公开(公告)日：2024-01-23
申请号：CN202210314972.2
申请日：2022-03-29
Applicant: 南京信息工程大学
IPC: G06Q10/0639 , G06Q10/04 , G06F16/29 , G06F16/2458 , G01W1/14
Abstract: 本发明公开了一种基于地形分解技术的卫星降水数据空间降尺度方法、系统、存储介质及设备，其中的方法包括：获取原始降水量数据；预处理获取的原始降水量数据，将预处理后的原始降水量数据进行旬累加，获得旬降水量数据；获取原始地形数据；基于地形分解技术，根据原始地形数据计算各种地形在不同尺度下的地形数据；根据各种地形在不同尺度下的地形数据和旬降水量数据，构建降水分布推算模型；确定降水分布推算模型中的参数数值，并根据确定的参数数值和降水分布推算模型，推算各空间格点上的降水量。本发明能够推算空间降尺度旬累积降水分布，为水资源评估与管理等领域提供数据支撑。
-
公开(公告)号：CN105095655A
公开(公告)日：2015-11-25
申请号：CN201510424947.X
申请日：2015-07-17
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于自适应敏感因子的扰动方法，包括如下步骤：（I）下载最近10年的NCEP再分析资料作为样本数据,分别计算得到的每个时次文件上每个格点的指数信息；(II)根据最近10年的气象灾害年鉴，将气象灾害分类，并将对应的指数信息存进所述数据库；(Ⅲ)按天气类型进行统计：根据数据库中的数据分别给出样本中各指数信息对应的值域作为判定此类灾害性天气将会发生的样本区间；(Ⅳ)根据天气类型比较各指数信息的距平百分率，取偏离平均值最显著的变量为对应天气类型下的敏感扰动变量；(Ⅴ)实现各指数信息的诊断量在初始场中的扰动。有益效果为：能够综合不同判据的信息，发现处在不同判据适用范围重合区的强对流天气的类型，并能够根据这一类型，自动客观地选择最合适的扰动变量。
-
公开(公告)号：CN105046077A
公开(公告)日：2015-11-11
申请号：CN201510420905.9
申请日：2015-07-17
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明涉及一种基于能量守恒的随机物理扰动方法，包括如下步骤：1）根据实际需要选定进行数值预报的模式，接着确定模式预报方程中各个参数的最终倾向项的位置；2）在确定了所述参数的位置后再根据扰动形式，通过积分确定所述倾向项的扰动方案，扰动形式的表达式为： ，3）在水平方向上对ε(t)进行二维傅立叶分解，接着滤除高频噪声将其中1至4倍格距的波长的波的系数赋值为0，最后将调整后的系数通过逆傅立叶变换合成新的ε(t)；4）重复步骤3）直至得到各个变量对应的扰动系数，并带入至所述扰动形式的表达式。有益效果为：对完全独立的物理过程进行倾向扰动，目的在于保证模式变量的倾向扰动在能量上的守恒性，使得该方法可改善边界层模式变量的集合离散度，这将显著改善风暴尺度集合预报的预报水平。
-
公开(公告)号：CN118153795A
公开(公告)日：2024-06-07
申请号：CN202311028459.8
申请日：2023-08-15
Applicant: 南京信息工程大学 , 南京气象科技创新研究院
IPC: G06Q10/063 , G06Q50/02 , G06Q50/26 , G06F18/241 , G06F123/02
Abstract: 本发明公开了一种大红袍生境分析方法，获取待评估地区的环境数据集；预处理获取的环境数据集；根据预处理后的环境数据集确定环境评价因子；利用层次分析法确定各环境评价因子的权重；根据预处理后的环境数据集以及各环境评价因子的权重确定待评估地区种植大红袍的综合适宜度。本发明能够定量化分析待评估地区的环境对于大红袍生长的适宜度。
-
Patent Agency Ranking
公开(公告)号：CN105046358B
公开(公告)日：2018-09-04
申请号：CN201510422511.7
申请日：2015-07-17
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种风暴尺度集合预报扰动方法，以观测资料分析、同化和数值模拟为主要手段，将集合预报方法和强对流天气预报相结合，针对全球中期集合预报和风暴尺度强对流集合预报的本质差异，围绕建立适用于多类型风暴系统并根据实时发展的强对流系统特征自适应的构造扰动方案的风暴尺度集合预报系统这一最终目标。有益效果为：通过变分同化的集合使得集合扰动具有物理和动力的协调性；通过随机物理扰动方法改善边界层模式变量的集合离散度；通过自适应地选择对实时发展的风暴系统敏感的扰动变量选择对风暴发展影响最显著和敏感的变量进行扰动，更有针对性，也增加了集合离散度。
-
公开(公告)号：CN104992071B
公开(公告)日：2018-07-13
申请号：CN201510422796.4
申请日：2015-07-17
Applicant: 南京信息工程大学
IPC: G01W1/10
Abstract: 本发明涉及一种基于集合资料同化技术的初始扰动方法，包括如下步骤：1）将扰动信息构造WRFDA 3D‑Var的三个集合分量，通过迭代的方法极小化代价函数来获取统计最优的真实大气状态的估计值X；2）设定不相关的全球集合预报初始条件，形成新的代价函数，3）在WRF3DVAR同化系统中加入新观测；4）从ECMWF的全球尺度集合预报中提取多个包含各个气象要素的垂直廓线；5）为每个集合成员都运行所述新观测的WRF3DVAR同化系统，同化观测集合和大尺度模式场的集合，生成进行集合预报的最终集合成员。有益效果为：采用集合变分同化方法得到的集合成员能够将风暴尺度和大尺度的扰动信息有机地结合起来，代价函数以模式为动力约束，使得集合扰动具有物理和动力的协调性，并且使初始扰动和侧边界扰动相互协调一致。
-
公开(公告)号：CN107991690A
公开(公告)日：2018-05-04
申请号：CN201710514319.X
申请日：2017-06-28
IPC: G01S19/21
CPC classification number: G01S19/21
Abstract: 本发明公开了一种基于北斗导航的闪烁指数的计算方法，在电离层闪烁监测中，闪烁指数由经过滤波消除趋势以后的振幅闪烁指数S4T与经过滤波消除趋势以后的相位闪烁指数σφ衡量，所述经过滤波消除趋势以后的振幅闪烁指数S4T的计算方法包括：步骤A-1)计算信号强度SI；步骤A-2)将SI进行滤波后得到信号强度SI′；步骤A-3)在经过滤波消除趋势以后，得到振幅闪烁指数S4T；所述经过滤波消除趋势以后的相位闪烁指数σφ的计算方法包括：步骤B-1)计算滤波消除趋势后的载波相位φ；步骤B-2)根得到相位闪烁指数σφ。直接输出卫星信号的信号强度SI和载波相位φ信息，利用这些信息可以算出电离层闪烁情况，比原有的设备方便简单且稳定可靠。
-
公开(公告)号：CN119442057A
公开(公告)日：2025-02-14
申请号：CN202510033475.9
申请日：2025-01-09
Applicant: 南京信息工程大学
IPC: G06F18/243 , G06N20/20
Abstract: 本发明提供了一种多地形土壤侵蚀时空驱动力的分析系统，包括以下步骤：收集土壤侵蚀相关数据；对研究区地形进行划分；利用RUSLE模型计算研究区土壤侵蚀模数，并根据土壤侵蚀分类标准对侵蚀模数进行等级划分；对比不同地形区土壤侵蚀模数、侵蚀等级的差异，RUSLE模型驱动因子空间分布、时间变化的差异；在空间上通过地理探测器分析不同地形土壤侵蚀RUSLE模型驱动因子的空间分异特征；在时间上通过随机森林回归分析自然和人为因子的时间分异特征，并通过结构方程模型分析自然和人为因子的驱动强度；该系统综合空间与时间维度，针对多地形条件下的土壤侵蚀差异进行归因分析，有助于增强对不同地形侵蚀差异及其机制的理解。
-
公开(公告)号：CN117574329B
公开(公告)日：2024-04-30
申请号：CN202410051354.2
申请日：2024-01-15
Applicant: 南京信息工程大学
IPC: G06F18/27 , G06F18/214 , G06Q50/26
Abstract: 本发明公开了基于集成学习的二氧化氮精细化空间分布方法，收集目标区域对二氧化氮浓度产生影响因素的原始数据，将原始数据进行预处理；将预处理之后的原始数据分别与二氧化氮浓度进行相关性分析，将相关性高的原始数据作为预测变量；构建Stacking模型作为集成学习模型，利用原始数据训练Stacking模型；将训练之后的Stacking模型作为二氧化氮浓度预测模型，利用该浓度预测模型对待测区域进行二氧化氮浓度预测。本发明采用集成学习方法，融合多个机器学习模型，包括6个基模型和1个元模型，提高二氧化氮浓度的精细化空间分布预测准确度；同时减少对异常点和噪声数据的过拟合，提高模型的稳定性和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.035 seconds)
