-
公开(公告)号:CN117235632A
公开(公告)日:2023-12-15
申请号:CN202311030768.9
申请日:2023-08-15
Applicant: 中国长江电力股份有限公司 , 湖北省气象信息与技术保障中心
IPC: G06F18/243 , G01W1/02 , G06F18/214 , G06N3/0895
Abstract: 本发明公开一种大型蒸发传感器水位异常数据检测方法,其特征在于:它包括如下步骤:S1:获取因子数据;所述因子数据包括物理量场因子数据和被检测对象数据;S2:对因子数据进行特征萃取,得到萃取后的数据;S3:建立孤立森林异常检测模型,使用萃取后的数据进行训练;S4:孤立森林异常检测模型参数调优;使用最优参数重复S3对模型进行训练;S5:使用得到的异常检测模型对被检测对象数据进行检测,得出检测结果;本发明克服传统检测方法因为异常因子样本数目不足而造成的模型泛化能力下降问题,同时采用Pseudo‑labeling半监督学习和permutation特征筛选方法相结合的方式产生伪异常标签的特征因子用于模型训练,避免模型泛化能力下降。
-
公开(公告)号:CN113469278A
公开(公告)日:2021-10-01
申请号:CN202110829014.4
申请日:2021-07-22
Applicant: 湖北省气象信息与技术保障中心
Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法,包括以下步骤:数据集收集;数据集构建;模型构建;模型训练与验证;模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理,能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电),并框选出目标位置和置信度,对于图像中发生强天气现象的检测准确率更是高达96%以上,漏检率为0,能够对实况图像中强天气现象做出及时有效的告警,为第一时间决策服务提供有力的实况警报信息,减少天气灾害的损失。
-
公开(公告)号:CN113469278B
公开(公告)日:2022-05-20
申请号:CN202110829014.4
申请日:2021-07-22
Applicant: 湖北省气象信息与技术保障中心
IPC: G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法,包括以下步骤:数据集收集;数据集构建;模型构建;模型训练与验证;模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理,能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电),并框选出目标位置和置信度,对于图像中发生强天气现象的检测准确率更是高达96%以上,漏检率为0,能够对实况图像中强天气现象做出及时有效的告警,为第一时间决策服务提供有力的实况警报信息,减少天气灾害的损失。
-
公开(公告)号:CN111563644A
公开(公告)日:2020-08-21
申请号:CN202010112017.1
申请日:2020-02-24
Applicant: 中国气象局公共气象服务中心 , 中国长江电力股份有限公司
Abstract: 本发明提供一种夏季用电指数的确定方法,包括:确定待计算的月份的温度影响因子;确定所述待计算的月份的气象条件影响因子;确定所述待计算的月份的时间条件影响因子;根据所述温度影响因子、所述气象条件影响因子和所述时间条件影响因子确定所述待计算的月份的夏季用电指数。本发明还提供一种计算机可读存储介质和一种电子设备。所述确定方法可以更加准确地预估所述夏季用电指数。
-
公开(公告)号:CN117610281A
公开(公告)日:2024-02-27
申请号:CN202311604011.6
申请日:2023-11-28
Applicant: 中国长江电力股份有限公司
IPC: G06F30/20
Abstract: 本发明公开一种基于微服务架构的短中期水文预报调度系统构建方法,它包括如下步骤:S1、流域数据准备:收集和处理气象水文数据、地理信息数据、水工建筑物数据;S2、流域水文建模:完成流域对象概化、流域对象编码、流域拓扑构建、流域模型耦合、模型参数率定;S3、应用系统开发:开发工具选择、数据库表构建、后端开发、前端开发、前端和后端对接、系统测试和部署;本发明将多阻断大流域数据进行标准化管理,采用流程化的建模使流域水文建模过程变得高效便捷,并采用轻量级的微服务架来构建系统,按照本发明所构建的系统克服了传统预报调度系统数据管理困难、水文建模复杂、通用性不强等缺点。
-
-
-
-