-
公开(公告)号：CN119669613A
公开(公告)日：2025-03-21
申请号：CN202510195205.8
申请日：2025-02-21
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种近地层高分辨率风切变的算法，包括以下步骤：S1，基于研究区域地面自动站的地理位置，对研究区域的地面自动站构建三角网；S2，基于矢量方差法，计算获得三角网中每个独立三角形区域的风切变值；S3，重复步骤S2完成对其余三角形区域的风切变值的计算，获得研究区域近地层各处的水平风切变值。本发明能实现被自动站覆盖的区域内任意一点均有可信的风切变计算结果，从而能够为近地层飞行提供有效指导。
-
公开(公告)号：CN118504201B
公开(公告)日：2025-03-07
申请号：CN202410406838.4
申请日：2024-04-07
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种基于多维偏差的独立区域气象要素预报误差评估方法，在相同坐标网格中，通过分别计算预报场气象要素单体相对观测场气象要素单体的距离误差和轴向误差以评估预报场气象要素的预报误差，所述气象要素单体是指天气系统中由标量气象要素形成的空间连续封闭区域。本发明利用图形相似概率概念针对气象要素预报误差的评估方法，相较于传统的点对点检验、对错检验，造成的“双重惩罚”问题，本发明利用归一化的气象要素数值‑面积曲线进行误差分析，能够更合理更客观的反映气象要素的整体准确程度。
-
公开(公告)号：CN119202622B
公开(公告)日：2025-02-25
申请号：CN202411698203.2
申请日：2024-11-26
Applicant: 南京气象科技创新研究院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F30/27 , G01W1/10 , G06F111/10
Abstract: 本发明公开了基于数值模式融合深度学习的路面温度预报方法，包括基于多要素预报数据及观测数据制作训练集与验证集；基于区域高分辨率多元下垫面数据，整合形成统一尺度的区域高分辨率多元下垫面特征库；构建基于注意力机制图卷积神经网络的深度学习路面温度预报模型，采用高斯加权损失函数，展开模型训练；采用训练好的模型，针对目标时间，基于数值天气预报模式多要素预报数据和区域高分辨率多元下垫面数据，生成基于数值模式融合深度学习的路面温度预报结果。本发明有效解决了不同尺度路面温度的样本非均衡问题，增强了模型对于路面温度极值的预报能力，提高了基于数值模式融合深度学习的高速公路路面温度预报准确率，具有极强的应用价值。
-
公开(公告)号：CN119106949B
公开(公告)日：2025-02-14
申请号：CN202411589294.6
申请日：2024-11-08
Applicant: 南京气象科技创新研究院
IPC: G06Q10/0637 , G01W1/10 , G01W1/18 , G06Q50/26 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了融合精细地形特征的延伸期降水连续分布概率预报方法，包括：获取标准化的延伸期数值模式集合预报系统多成员多要素预报数据以及区域历史长时间序列降水观测数据，并提取历史降水连续分布特征；基于区域高分辨率精细地形数据，得到去尺度化的关键地形多维特征因子库；构建极限梯度提升U‑Net混合深度学习降水概率预报模型，并展开模型训练和优化；采用训练好的模型，产生改进的延伸期降水连续分布概率预报结果。本发明融合了精细地形数据，采用了加权交叉熵损失函数，有效处理了降水分布类别不平衡问题，提升了模型的泛化能力，改进了降水连续分布概率预报的预报性能，具有极高的应用价值。
-
公开(公告)号：CN119202622A
公开(公告)日：2024-12-27
申请号：CN202411698203.2
申请日：2024-11-26
Applicant: 南京气象科技创新研究院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/15 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F30/27 , G01W1/10 , G06F111/10
Abstract: 本发明公开了基于数值模式融合深度学习的路面温度预报方法，包括基于多要素预报数据及观测数据制作训练集与验证集；基于区域高分辨率多元下垫面数据，整合形成统一尺度的区域高分辨率多元下垫面特征库；构建基于注意力机制图卷积神经网络的深度学习路面温度预报模型，采用高斯加权损失函数，展开模型训练；采用训练好的模型，针对目标时间，基于数值天气预报模式多要素预报数据和区域高分辨率多元下垫面数据，生成基于数值模式融合深度学习的路面温度预报结果。本发明有效解决了不同尺度路面温度的样本非均衡问题，增强了模型对于路面温度极值的预报能力，提高了基于数值模式融合深度学习的高速公路路面温度预报准确率，具有极强的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN118604919A
公开(公告)日：2024-09-06
申请号：CN202411068531.4
申请日：2024-08-06
Applicant: 南京气象科技创新研究院
IPC: G01W1/18 , G01W1/02 , G01W1/08 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/15 , G06F18/213
Abstract: 本发明公开了基于全天候天气背景的微波辐射计温湿廓线联合校正方法，包括：获取微波辐射计测量数据与无线电探空仪探测数据，进行数据清洗与标准化预处理；对影响微波辐射计测量精度的全天候天气背景因子特征进行标注，生成对应特征向量，形成无量纲的全天候天气背景因子库；采用引入一致性损失的联合损失函数，构建并训练融合微波辐射计测量、全天候天气背景及无线电探空仪探测的多层感知卷积长短期记忆网络深度学习模型；针对目标时间，基于微波辐射计测量与全天候天气背景特征，产生校正后的温湿度廓线反演结果。本发明提高了局地温度、湿度反演的一致性，能够准确、高效地实现对微波辐射计温湿廓线测量反演的联合校正，具有极高的应用价值。
-
公开(公告)号：CN117994545B
公开(公告)日：2024-06-18
申请号：CN202410406797.9
申请日：2024-04-07
Applicant: 南京气象科技创新研究院
Abstract: 本发明公开了一种基于图像匹配概率的气象要素预报误差综合评估方法，利用单体匹配的概率来计算气象要素分布结构特征预报误差，本发明将气象要素预报误差订正由物理模型抽象为图形和数学模型，相较于现有技术采用拟合椭圆方法，仅考虑要素空间分布，并不可避免的引入误，本发明利用单体间相似程度引入了匹配概率，利用匹配概率，考虑预报场相对于观测场的整体误差，无需定义空报率或漏报率，避免的相关误差的引入，提高了气象要素预报误差综合评估的准确率。
-
公开(公告)号：CN116086547B
公开(公告)日：2023-06-16
申请号：CN202310210056.9
申请日：2023-03-07
Applicant: 南京气象科技创新研究院
IPC: G01D21/02 , G06F18/25 , G06F18/15 , G06F18/214 , G06N3/084 , G16Y10/35 , G16Y20/10 , G16Y20/20 , G16Y40/10 , G16Y40/20
Abstract: 本发明公开了一种基于红外成像和气象监测的接触网覆冰检测方法，本发明使用红外照明照射检测目标，提高目标的亮度，减少环境光线干扰，通过红外成像传感器获取目标的实时图像，同时通过气象监测单元同步获取气象数据并进行归一化融合处理，数据在前端的边缘计算单元中通过深度学习模型，自动识别目标的积水、结冰、积雪等状态，并通过传输单元发送到后台系统。本发明能够自动识别目标接触网的干燥、潮湿、积水、结冰、积雪等状态，并具有非接触式测量、自动识别铜缆与检测目标状态、受可见光干扰小、同时显示多种存在的状态、优先检测结冰状态、能够对结果进行验算、可实时查看当前状态和记录、设备小巧轻便便于安装等优点。
-
公开(公告)号：CN116070676A
公开(公告)日：2023-05-05
申请号：CN202310309893.7
申请日：2023-03-28
Applicant: 南京气象科技创新研究院
IPC: G06N3/0455 , G01K13/00 , G01W1/02 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于注意力机制和自编码器的高速公路路面温度预报方法，方法包括：采集高速公路路面温度观测数据及数值天气预报模式输出的多气象要素预报数据，进行预处理；基于神经网络搭建自编码器，并对区域高速公路路面温度进行编码，生成特征向量；搭建空间注意力机制与通道注意力机制融合的卷积神经网络模型，并展开训练；基于预设时间内的多气象要素产品生成全区域的高速公路路面温度预报。本发明能够生成全区域的高速公路路面温度预报，较传统的点对点预报而言更加便捷高效；采用空间注意力和通道注意力机制融合的卷积神经网络模型，具有高度非线性和强鲁棒性，有效提高了高速公路路面温度预报能力，有极强的应用价值。
-
公开(公告)号：CN119249075B
公开(公告)日：2025-03-04
申请号：CN202411777755.2
申请日：2024-12-05
Applicant: 南京气象科技创新研究院
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06F18/2433 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了基于物理约束的高速公路路面温度预报方法，包括以下步骤：收集并预处理区域内所有站点的气象数据、路面温度的历史观测数据及地理数据，加入时间信息构建时间特征；搭建U‑net神经网络模型，对多站点多气象要素预报数据进行空间场数据订正，输出各站点的订正后气象数据；在U‑net模型基础上构建双向LSTM网络，处理时间序列数据，使用损失函数评估和优化模型性能；在模型中加入物理约束，包括温度变化的时间关系、季节性与日夜变化特征、材料热特性、热平衡方程等，优化模型结果；使用测试集评估模型的泛化能力和预报精度，微调模型参数。该方法显著提高了路面温度预测的精度和可靠性，为交通管理和安全预警提供了可靠依据。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.038 seconds)
