-
公开(公告)号：CN113779760B
公开(公告)日：2023-08-04
申请号：CN202110911563.6
申请日：2021-08-10
Applicant: 南京大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于可预测气候模态的动力‑统计结合季节气候预测方法。利用历史观测资料提取决定同期中国季节降水年际倾向的可预测气候模态，建立其与降水等目标变量年际倾向同期关系的物理统计模型；将动力模式对气候模态的预测带入物理统计模型，实现对降水等目标变量年际倾向的预测；将预测的年际倾向叠加上一年的观测距平即得到目标变量的距平预测。相较于动力模式对中国降水等目标变量直接预测的不足，本发明充分利用动力模式对主要气候模态的可预测能力，将动力模式对可预测气候模态的预测与根据历史资料建立的物理统计模型相结合，并通过独立样本检验选取最优气候模态，从而实现对目标变量的预测，可有效提高中国季节旱涝预测的准确率。
-
公开(公告)号：CN113779760A
公开(公告)日：2021-12-10
申请号：CN202110911563.6
申请日：2021-08-10
Applicant: 南京大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于可预测气候模态的动力‑统计结合季节气候预测方法。利用历史观测资料提取决定同期中国季节降水年际倾向的可预测气候模态，建立其与降水等目标变量年际倾向同期关系的物理统计模型；将动力模式对气候模态的预测带入物理统计模型，实现对降水等目标变量年际倾向的预测；将预测的年际倾向叠加上一年的观测距平即得到目标变量的距平预测。相较于动力模式对中国降水等目标变量直接预测的不足，本发明充分利用动力模式对主要气候模态的可预测能力，将动力模式对可预测气候模态的预测与根据历史资料建立的物理统计模型相结合，并通过独立样本检验选取最优气候模态，从而实现对目标变量的预测，可有效提高中国季节旱涝预测的准确率。
-
公开(公告)号：CN105005962B
公开(公告)日：2018-01-12
申请号：CN201510500058.7
申请日：2015-08-14
Applicant: 南京大学
IPC: G06T3/00
Abstract: 本发明涉及一种基于分层筛选策略的岛礁遥感影像配准方法，步骤包括：仿射不变特征匹配；建立几何变换模型；在几何变换模型的约束下，进行仿射不变特征匹配结果的初次筛选；在初次筛选结果的基础上，进一步利用岛礁面域重叠度控制筛选的结果，保证筛除所有错误的特征点对，最终完成岛礁的配准。本发明考虑到岛礁遥感影像匹配特有的纹理特征缺乏和纹理特征不稳定双重困难，通过建立几何约束模型，筛除明显不符合空间分布的特征点对，然后在几何变换矩阵约束筛选的基础上，以岛礁面积重叠度为约束，对特征点对进行二次筛选，仅保留正确的特征点对以完成岛礁的精确配准。本发明方法适应性强，可精确地完成岛礁影像配准，能够满足实际生产的需要。
-
公开(公告)号：CN105787921A
公开(公告)日：2016-07-20
申请号：CN201510511068.0
申请日：2015-08-19
Applicant: 南京大学 , 浙江省水资源管理中心
IPC: G06T7/00
Abstract: 本发明涉及一种利用机载LiDAR数据重建大型复杂立交桥三维模型的方法。该方法步骤为：利用反向迭代数学形态学滤波和面积信息从机载LiDAR数据提取立交桥点云；根据桥面连通性对立交桥点云进行分割；采用中心线垂线扫描方法分割提取无分叉或交汇结构且宽度保持一致的连通桥面，获取“结构单元”；在结构单元中心线的端点处作圆形缓冲区，通过判断缓冲区内点云高程信息检测立交桥的遮挡结构；通过结构单元匹配、二维中心线拟合以及三维曲面拟合步骤，获取完整的桥面三维中心线；结合桥面宽度信息重建立交桥三维模型。实践证明，本发明能够有效地重建大型复杂立交桥三维模型，解决了立交桥点云的遮挡问题，重建的三维模型具有较高的正确率和完整率。
-
公开(公告)号：CN119293464A
公开(公告)日：2025-01-10
申请号：CN202411828751.2
申请日：2024-12-12
Applicant: 南京大学
Abstract: 本申请公开了一种基于多种人工智能模型融合的气候集成预测方法和系统，属于气候预测领域。包括：选取与预测目标存在物理相关关系的要素作为预测因子；选取多种人工智能模型，并基于历史观测数据集对该多种人工智能模型进行预训练；对预训练得到的多种人工智能模型进行独立回报检验，并择优选取多个目标人工智能模型；对各个预测因子对于预测目标的相对贡献进行分析，并确定各个目标人工智能模型对应的实际预测因子。最后基于多个目标人工智能模型和各个目标人工智能模型对应的实际预测因子构建得到气候集成预测模型。如此，可以对线性与非线性特征进行融合预测，有效提升模型的泛化性和稳定性，且提升预测效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN117950087B
公开(公告)日：2024-06-21
申请号：CN202410327331.X
申请日：2024-03-21
Applicant: 南京大学
IPC: G01W1/10 , G06F18/27 , G06N5/01 , G06F18/243 , G06F18/2411 , G06N3/044 , G06F123/02
Abstract: 本申请提供一种基于大尺度最优气候模态的人工智能降尺度气候预测方法，利用时空耦合模态分解方法，以降尺度气候预测目标要素对应的大尺度气候要素为基础，提取决定大尺度气候要素异常相对倾向的同期大尺度最优气候模态及时间序列；利用人工智能模型训练和构建大尺度最优气候模态与区域精细化预测目标气候要素异常相对倾向之间非线性关系的降尺度预测模型；将全球气候动力模式预测的同期大尺度最优气候模态时间系数带入该预测模型，预测区域精细化气候要素异常相对倾向；结合近期背景异常，实现对区域精细化预测目标气候要素距平的人工智能降尺度气候预测。该方法通过建立高效、准确的降尺度气候预测模型，能够提升区域精细化气候预测能力。
-
公开(公告)号：CN117909888A
公开(公告)日：2024-04-19
申请号：CN202410321400.6
申请日：2024-03-20
Applicant: 南京大学
IPC: G06F18/2431 , G06F18/2411 , G06F18/27 , G06N3/0442 , G01W1/10 , G06F123/02
Abstract: 本发明公开了一种智慧人工智能气候预测方法，利用时空耦合模态分解方法，提取决定预测目标气候要素异常相对倾向的前期或同期最优气候模态及其对应的时间序列；利用人工智能模型训练和构建最优气候模态时间序列与预测目标气候要素异常相对倾向之间非线性关系的预测模型；将观测的前期或动力模式预测的同期最优气候模态时间序列带入非线性预测模型，实现对预测目标气候要素异常相对倾向预测；结合观测的近期背景异常，最终实现对预测目标气候要素距平值的非线性预测。
-
公开(公告)号：CN114707687B
公开(公告)日：2024-02-13
申请号：CN202111570421.4
申请日：2021-12-21
Applicant: 南京大学
Abstract: 本发明针对我国现有夏季降水次季节异常预测能力的不足，公开了一种基于热带大气次季节振荡信号的旬降水预测方法和系统。利用异常相对倾向方法，将原始观测数据处理为旬异常相对倾向数据，从中提取影响降水异常的前期热带次季节振荡信号及主要模态，并将其作为预测因子与降水次季节异常相对倾向进行统计建模，构建针对降水旬异常相对倾向的统计预测模型，将该模型预测结果与前期降水异常背景相加，从而实现对降水次季节异常的定量化预测。相较于现有预测方法，本发明能够有效提取出影响降水次季节异常的热带次季节振荡信号，构建基于物理模态的夏季降水旬异常的定量化预测系统，可有效提升我国夏季降水次季节预测能力。
-
公开(公告)号：CN113592165B
公开(公告)日：2023-08-22
申请号：CN202110834465.7
申请日：2021-07-23
Applicant: 南京大学
Abstract: 本发明公开了一种基于旬倾向和物理模态建模的次季节气候预测方法与系统。利用历史资料计算大气要素场和预测变量的旬倾向距平；通过奇异值分解，提取决定预测变量旬倾向距平的前期热带大气向外长波辐射场和中高纬大气500hPa位势高度场旬倾向距平变异的主要物理模态，并作为预测因子；利用多元回归方法，构建预测变量旬倾向距平与前期主要物理模态关系的预测模型，并通过历史回报确定最优物理模态；将前期观测的最优物理模态代入预测模型，从而实现对预测变量的旬倾向距平预测；将预测的旬倾向距平叠加前一旬的观测或预测距平，从而得到本旬的距平预测。本发明建立的基于旬倾向距平和物理模态建模的方法与系统可有效提高次季节气候预测准确率。
-
公开(公告)号：CN114330850A
公开(公告)日：2022-04-12
申请号：CN202111570454.9
申请日：2021-12-21
Applicant: 南京大学
Abstract: 本发明公开了一种用于气候预测的异常相对倾向生成方法与系统。对气候变量原始数据进行时间平滑，去除高频变率；减去平滑数据的气候态，得到距平；在此基础上，根据目标频段，选择各时刻前期平均时段的长度，定义相应的近期异常背景；减去近期异常背景，去除低频变率，得到异常相对倾向；对异常相对倾向建模并进行预测，将低频变率作为已知近期异常背景代入相加，实现对距平和原始场的预测。本发明解决了气候预测的时间边界和多尺度问题，在时间序列末端只需利用历史和当前数据提取目标频段信息，可突出已知近期异常背景上的较高频异常相对倾向，只需对异常相对倾向进行预测，避免引入预测低频变率产生的误差，有效提升气候预测的准确率和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.022 seconds)
