-
公开(公告)号：CN112765832B
公开(公告)日：2022-05-06
申请号：CN202110141345.9
申请日：2021-02-02
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种欧亚大陆冷锋自动识别订正方法，包括：S10获得气象参数；S20获得初始锋面复选点；S30自动识别的初始冷锋数据集；S40获得冷锋订正范围；S50计算同一纬度上西北风的风向转变度数；S60将所述风向转变度数大于0的格点定义为具有西北风逆转特征的格点，筛选其中最东侧、最南侧的点，记为订正锋面复选点；S70将所述订正锋面复选点进行拟合平滑，得到订正后的地面冷锋数据集。本发明的一种欧亚大陆冷锋自动识别订正方法，依次通过确定高空冷锋锋区、初始锋面复选点以及订正锋面复选点的设计思路，能够实现锋面的自动识别，在一定程度上消除了人工分析锋面的主观性，并对天气预报业务工作中的锋面分析自动化做出积极贡献。
-
公开(公告)号：CN118072126A
公开(公告)日：2024-05-24
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：CN116030401B
公开(公告)日：2023-07-04
申请号：CN202310309247.0
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G06V20/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的欧亚地区冷锋自动识别方法，包括如下步骤：S1、获得850hPa温度、风场数据，随机挑选欧亚地区5年各部分时次的数据，利用数值锋面分析方法，制作冷锋标签数据；S2、计算850hPa的温度平流，将温度和温度平流绘制成RGB图像；S3、将冷锋标签数据和RGB图像作为训练数据集，对深度学习模型进行训练；S4、计算任意时次的温度和温度平流，并绘制成RGB图像，输入到训练完成的深度学习模型中，可以自动识别冷锋。本发明利用深度学习方法识别冷锋，可简化自动识别冷锋的过程，节约人力物力资源，为预报工作提供参考，对实现业务预报中的冷锋自动化有积极贡献。
-
公开(公告)号：CN116030401A
公开(公告)日：2023-04-28
申请号：CN202310309247.0
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G06V20/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的欧亚地区冷锋自动识别方法，包括如下步骤：S1、获得850hPa温度、风场数据，随机挑选欧亚地区5年各部分时次的数据，利用数值锋面分析方法，制作冷锋标签数据；S2、计算850hPa的温度平流，将温度和温度平流绘制成RGB图像；S3、将冷锋标签数据和RGB图像作为训练数据集，对深度学习模型进行训练；S4、计算任意时次的温度和温度平流，并绘制成RGB图像，输入到训练完成的深度学习模型中，可以自动识别冷锋。本发明利用深度学习方法识别冷锋，可简化自动识别冷锋的过程，节约人力物力资源，为预报工作提供参考，对实现业务预报中的冷锋自动化有积极贡献。
-
公开(公告)号：CN109283505B
公开(公告)日：2022-06-07
申请号：CN201811019917.0
申请日：2018-09-03
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明提出一种修正雷达回波外推图像发散现象的方法，以改善雷达回波外推图像因发散而影响降水量等预报准确性的问题，由于数值模式及其产品能够较好地反映大气运动的客观规律，特别是对风暴发生、发展的变化趋势具有较好地整体性和连续性，因此本发明对数值模式产品这些特性加以利用。为了克服雷达外推预报出的回波强度“过度增加”或“过度减小”的问题，本发明通过融合数值模式预报产品，对回波图像在起报时刻与预报时刻的变化幅度进行修订，进而提高了雷达降水预报的准确性。
-
Patent Agency Ranking
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：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
37
records
(took 0.041 seconds)
