-
公开(公告)号：CN117874598A
公开(公告)日：2024-04-12
申请号：CN202311728767.1
申请日：2023-12-15
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/21 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G01W1/14
Abstract: 本发明公开了一种降水预报订正方法、装置、设备及介质，方法包括：获取研究区域范围内的数值天气预报NWP数据、气象站观测数据以及DEM地形数据，并进行预处理；将预处理后的数据输入预先构建并训练好的TNPCNet订正模型中，获得降水预报订正结果；其中，TNPCNet订正模型包括：变量采集编码器，用于分别捕获气象站观测数据和DEM地形数据的气象因子趋势特征和地理信息特征，并通过SE注意力机制单元分析两者的特征关系以获取不同数据的最优权重；NWP编码器，用于提取数值天气预报NWP数据的时空特征；预测订正模块，用于对气象因子趋势特征、地理信息特征和时空特征进行多源特征融合以获得新的预报降水特征，并通过解码器进行特征翻译后得到降水订正结果。
-
公开(公告)号：CN115544889A
公开(公告)日：2022-12-30
申请号：CN202211272422.5
申请日：2022-10-18
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06N3/04 , G01W1/14 , G06F111/10
Abstract: 本发明公开了基于深度学习的数值模式降水产品的偏差校正方法，包括如下具体步骤：获取ERA5陆面再分析数据、ECMWF日降水预测数据和地面站日降水观测数据；通过皮尔逊相关系数利用气象因子和地面观测降水值之间的相关性选取有效特征；获得较为准确的日降水标签；建立基于深度学习的模式降水产品偏差校正模型，设计权重损失函数更新模型参数；训练获得最佳模型。本发明的优点在于深度学习模型加入历史气象序列且模型设计双分支结构既关注到局部降水又能兼顾整体降水，使用权重损失函数环境降水量跨度大且极不平衡的问题，模型能够很好的学习到数值模式中降水误差，达到降水偏差校正的效果。
-
公开(公告)号：CN104298771B
公开(公告)日：2017-09-05
申请号：CN201410596395.6
申请日：2014-10-30
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明利用Hadoop/Hive分布式计算平台的高可靠性、高扩展性、高效性以及高容错性，公开了一种基于Hadoop和Hive的海量web日志数据的查询与分析方法。本发明包括以下步骤：对各个数据源的数据进行解析；将数据装载进数据仓库中；接收HiveQL语句；对接受语句进行优化，得到初步map结果；将接受语句转换成MapReduce任务执行并存储查询结果；数据分割；对数据进行分析挖掘；将数据装载进Mysql数据库中。本发明针对海量的web日志数据，实现精确地查询和数据分析，既能实现海量数据存储查询分析的可扩展性和高效性，也避免数据倾斜带来的job分布不均整体性能下降的问题。
-
公开(公告)号：CN104376053A
公开(公告)日：2015-02-25
申请号：CN201410611227.X
申请日：2014-11-04
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30321 , G06F17/30315 , G06F17/30575
Abstract: 本发明针对传统的数据集中存储单点查询的问题，公开了一种基于海量气象数据的存储与检索方法，利用Hadoop平台，通过对分布式非关系型数据库Hbase建立二级索引，并且将数据通过转换、迁移导入到云平台，实现海量数据的可靠存储与快速检索。本发明包括如下步骤：数据过滤；在Hbase中定义对应的表格式；建立二级索引；分情况进行数据导入；分情况进行数据检索。本发明既能实现数据的实时查询，也避免以往存储和维护大量数据所产生的高昂成本，在保证敏感数据安全的前提下能够更经济高效地实时查询海量气象数据。
-
公开(公告)号：CN104035949A
公开(公告)日：2014-09-10
申请号：CN201310664350.3
申请日：2013-12-10
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30949 , G06F17/30964
Abstract: 本发明提供一种基于局部敏感哈希改进算法的相似性数据检索方法，首先对数据对象进行特征提取，将每一个数据对象使用其特征集合表示，基于向量空间模型把每一个数据对象转换为特征空间的向量；然后使用一组哈希函数，建立多个哈希表，将所有的数据对象映射到相应的哈希桶中；接着对于查询对象，随机选择一个哈希表进行映射，对于与查询对象在同一哈希桶的数据对象，以同样方式利用剩余的哈希表进行映射，并将所有与这些对象在同一哈希桶中的对象合并成为查询候选集；最后将查询对象与查询候选集中的数据对象进行真实距离的计算，从而得到最邻近对象。本发明在保持准确率和召回率的前提下减少了传统局部敏感哈希的内存需求，适合于处理大量的高维数据的相似性检索。
-
Patent Agency Ranking
公开(公告)号：CN103458369A
公开(公告)日：2013-12-18
申请号：CN201310346648.X
申请日：2013-08-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于锚点和位置指纹识别算法的WiFi室内定位方法，采用锚点信号强度对位置指纹数据进行修正，能够精确地定位终端接收机位置，且反应迅速。本发明采用锚点作为基准值进行强度矫正，较好的修正了瞬时信号强度变化，弥补了位置指纹平均值在某一具体时刻的不确定性，采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差。此外，采用待测点向量对数据库中向量集合进行精炼，能够避免AP变化引起的RSS向量错位。本发明定位精度高，反应迅速，特别适合Android设备端室内位置定位。
-
公开(公告)号：CN103290996A
公开(公告)日：2013-09-11
申请号：CN201310258911.X
申请日：2013-06-26
Applicant: 南京信息工程大学
Abstract: 本发明提供一种高强度铝合金方管横梁，包括具有矩形断面的铝合金方管，所述铝合金方管其上顶面设置有浇注口，其二端设有与其相配合的扣帽，所述铝合金方管内填充现浇混凝土或石膏。本发明为一种高强度铝合金方管横梁及其制作方法，利用现有铝合金方管型材，制作高强度铝合金方管横梁，从而可大跨度作为横梁使用，并且承重钢化玻璃覆盖，因此安全可靠。
-
公开(公告)号：CN119048922A
公开(公告)日：2024-11-29
申请号：CN202411133685.7
申请日：2024-08-19
Applicant: 南京信息工程大学
IPC: G06V20/13 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/771
Abstract: 本发明公开了一种热带气旋的强度估计方法及系统，其方法包括：获取热带气旋的原始卫星图像；从所述原始卫星图像中提取物理信息以及对流核心；根据所述对流核心生成对流核心图像；将所述原始卫星图像、对流核心图像和物理信息，输入预先构建的强度估计模型，得到热带气旋的强度估计结果。本发明对图像进行两次特征提取并加权，提取了更精确的特征，将其与热带气旋的核心物理信息输入全连接层中，物理信息直接提供了气旋强度的指示，实现了一种物理引导的方法，能够精确估计热带气旋的强度；提高了对最相关通道的聚焦能力以及对图像中特定空间区域的聚焦能力，能够进行更精确的特征提取，并有效识别各个特征的重要性。
-
公开(公告)号：CN117972009B
公开(公告)日：2024-06-11
申请号：CN202410374261.3
申请日：2024-03-29
Applicant: 南京信息工程大学
IPC: G06F16/29 , G06T3/4038 , G06T17/05 , G01S13/95
Abstract: 本发明公开了一种针对天气雷达拼图系统组网产品的数据解析方法，建立了一套对天气雷达拼图系统V3.0组网产品的雷达基数据进行全面的数据识别、分析、提取、存储和可视化流程，本发明针对输入的二进制雷达基数据能够结合多样的地理特征要素进行可视化并且嵌入了地理信息实现栅格数据的导出以便后续在GIS中进行二次开发。本发明中提出的雷达解析和识别框架在实现对V3.0组网产品数据的高效解析和准确识别方面具有显著的优势，为天气雷达拼图系统V3.0组网产品在之后的推广和处理带来了更具有适应性和可靠性的解决方案。
-
公开(公告)号：CN118011527A
公开(公告)日：2024-05-10
申请号：CN202410425045.7
申请日：2024-04-10
Applicant: 南京信息工程大学
IPC: G01W1/10
Abstract: 本发明公布了一种卫星图像红外通道对流结构的强度预测数据集制作方法，具体为：获取地球同步卫星的红外通道图像并将其转化为序列数据；提取满足特定条件的对流核心和对应的热力序列图；提取红外亮温径向剖面的时空演化特征的提取；提取表征热带气旋组织水平的偏角方差特征因子，本发明克服了卫星图像信息冗杂丰富给模型带来干扰的问题，通过有针对性地提取关键对流特征，不仅增强了模型的性能，而且显著提高了热带气旋强度预测任务的准确性，这一技术突破为气象学和人工智能的交叉研究领域带来了新的契机，有望为未来的强度预测和灾害防控提供更为可靠的数据支持。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.036 seconds)
