-
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。
-
Patent Agency Ranking
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：CN116577844B
公开(公告)日：2024-02-09
申请号：CN202310309258.9
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G01W1/10
Abstract: 本发明公开了一种东亚冷锋降水自动识别方法、系统，该方法包括对降水场和特定位势高度上的水平风场、温度场再分析资料进行预处理，确定初始降水落区的范围；再导入自动识别冷锋对落区进行筛选、扩展等处理，根据自动识别冷锋数据集中冷锋的经纬度位置筛选同时刻的初始降水落区，并删除没有出现自动识别冷锋数据的初始降水落区，得到初筛降水落区；将初筛降水落区向东南方向扩展两格，得到扩展降水落区；扩展降水落区和降水场重合的部分即为本方法最后得出的实际降水落区。本发明可得到较好的自动化识别结果，实现了东亚冷锋降水识别的自动化，并获得了长期定量化数据集，有益于现代化天气预报业务中锋面降水分析的自动化。(56)对比文件秦育婧.基于自动识别的近三十年华北地区冬季冷锋活动异常 及其可能成因《.气象学报》.2022,第80卷(第5期),721-731.
-
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.
-
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。
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
