公开(公告)号：CN113722673B

公开(公告)日：2023-06-13

申请号：CN202110955220.X

申请日：2021-08-19

Applicant: 南京信息工程大学 ,  河北省气象灾害防御中心 ,  开封市气象局 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  陈笑娟 ,  喻谦花 ,  李婷 ,  江健

IPC: G06F17/18 ,  G01W1/00

Abstract: 本发明公开了一种重复观测气象数据优化处理方法，包括如下步骤：(1)采集一组重复观测气象数据，设该组数据间隔点集合为U，计算气象观测值v隶属于间隔点ui的关联函数μi；(2)计算气象观测值v在集合U上每个间隔点区间上的关联函数；(3)根据每个气象观测值的关联函数，计算所有气象观测值在集合U上每个区间的信息分配比重，选取最大信息分配比重对应集合U上的区间作为最优数值区间，计算最优数值区间对应的最优采样值。本发明通过建立采样值与气象观测值的值域区间的关联函数，实现所有观测采样值在每一个数值区间的信息分配计算，确定采样值的最优数值区间，进而能估计出气象观测采样的最优值。

公开(公告)号：CN115860268A

公开(公告)日：2023-03-28

申请号：CN202310134699.X

申请日：2023-02-20

Applicant: 南京信息工程大学 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  韩宇 ,  万家权 ,  陈笑娟 ,  陈迪

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法，属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据，不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测，但多使用机器学习方法和CNN等深度学习方法，机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征；而CNN等深度学习方法可以很好的提取特征，但无法很好的运行特征进行预测。因此，提出一种基于CNN‑XGBOOST模型的短时强降水预测方法，本方法可以在不需求雷达回波数据的情况下进行短时强降水预测，同时可以提取特征变量的时间变化特征，并充分利用提取出的特征进行预测。

公开(公告)号：CN113722673A

公开(公告)日：2021-11-30

申请号：CN202110955220.X

申请日：2021-08-19

Applicant: 南京信息工程大学 ,  河北省气象灾害防御中心 ,  开封市气象局 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  陈笑娟 ,  喻谦花 ,  李婷 ,  江健

IPC: G06F17/18 ,  G01W1/00

Abstract: 本发明公开了一种重复观测气象数据优化处理方法，包括如下步骤：(1)采集一组重复观测气象数据，设该组数据间隔点集合为U，计算气象观测值v隶属于间隔点ui的关联函数μi；(2)计算气象观测值v在集合U上每个间隔点区间上的关联函数；(3)根据每个气象观测值的关联函数，计算所有气象观测值在集合U上每个区间的信息分配比重，选取最大信息分配比重对应集合U上的区间作为最优数值区间，计算最优数值区间对应的最优采样值。本发明通过建立采样值与气象观测值的值域区间的关联函数，实现所有观测采样值在每一个数值区间的信息分配计算，确定采样值的最优数值区间，进而能估计出气象观测采样的最优值。