-
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。
-
Patent Agency Ranking
公开(公告)号：CN119851096A
公开(公告)日：2025-04-18
申请号：CN202510323462.5
申请日：2025-03-19
Applicant: 无锡学院 , 无锡天祺云辰科技有限责任公司
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06V10/26 , G06V10/28 , G06V10/46 , G06V10/764
Abstract: 本发明公开了一种热带外气旋二维结构识别方法及系统，涉及天气系统自动识别与深度学习技术领域。本发明基于DETR模型的气旋二维结构自动识别方法，该方法包括多个步骤：下载数据并制作气旋训练数据集；将数据集上传至MXMACA运算平台并对DETR模型网络进行训练，获得识别气旋模型权重；利用训练好的模型预测气旋二维结构。通过本发明，能够实现对气旋的自动识别，在一定程度上减少人工分析气旋的主观性，为预报员在天气预报业务工作中提供一定参考。
-
公开(公告)号：CN118569315A
公开(公告)日：2024-08-30
申请号：CN202411046032.5
申请日：2024-08-01
Applicant: 无锡学院 , 无锡天祺云辰科技有限责任公司 , 中国气象局公共气象服务中心(国家预警信息发布中心)
IPC: G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N5/045 , G01W1/10
Abstract: 本发明公开了基于Transformer的气象要素季节内振荡分量的延伸期预报系统及方法，属于气象预报领域，系统包括：数据收集模块、模型优化模块、模型训练模块和预报模块；数据收集模块用于收集历史气象资料，并利用滤波方法提取历史气象资料的气象要素季节内振荡分量；模型优化模块用于构建并优化Transformer模型，得到优化后模型；模型训练模块基于气象要素季节内振荡分量对优化后模型进行训练评估，得到延伸期预报模型；预报模块用于利用延伸期预报模型进行气象预报。本发明改良了传统神经网络预报方法，同时配合增加输入时次数量至最优值的方式提升了延伸期气象要素季节内振荡分量的预报准确率，改善了延伸期预报的效果。
-
公开(公告)号：CN118072126B
公开(公告)日：2024-07-02
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：CN117493326A
公开(公告)日：2024-02-02
申请号：CN202311553576.6
申请日：2023-11-21
Applicant: 无锡天祺云辰科技有限责任公司 , 无锡学院
IPC: G06F16/215 , G06N3/042 , G06N3/08 , G06N3/0464 , G01W1/10
Abstract: 本发明公开了一种高分辨率的气象要素二维插值方法及系统，其中方法步骤包括：下载目标站点区域内的格点数据、观测数据和经纬度信息；基于格点数据、观测数据和经纬度信息得到数据集；基于数据集，构建插值模型；利用插值模型，完成气象要素插值。本发明结合数据的时空特性，改良了从规则网格输出资料对常规不规则分布站点插值的效果，为改善数值天气预报输出产品性能提供可靠依据。同时，本发明可以进一步提升温度数据插值结果大小与分布的准确性；对于降水大值区的插值效果，本发明展现出更为明显的精细化与准确化，能够提供更为接近实况数据大小与落区的插值结果。
-
公开(公告)号：CN118569315B
公开(公告)日：2024-11-22
申请号：CN202411046032.5
申请日：2024-08-01
Applicant: 无锡学院 , 无锡天祺云辰科技有限责任公司 , 中国气象局公共气象服务中心(国家预警信息发布中心)
IPC: G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06N5/045 , G01W1/10
Abstract: 本发明公开了基于Transformer的气象要素季节内振荡分量的延伸期预报系统及方法，属于气象预报领域，系统包括：数据收集模块、模型优化模块、模型训练模块和预报模块；数据收集模块用于收集历史气象资料，并利用滤波方法提取历史气象资料的气象要素季节内振荡分量；模型优化模块用于构建并优化Transformer模型，得到优化后模型；模型训练模块基于气象要素季节内振荡分量对优化后模型进行训练评估，得到延伸期预报模型；预报模块用于利用延伸期预报模型进行气象预报。本发明改良了传统神经网络预报方法，同时配合增加输入时次数量至最优值的方式提升了延伸期气象要素季节内振荡分量的预报准确率，改善了延伸期预报的效果。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
