公开(公告)号：CN115860268A

公开(公告)日：2023-03-28

申请号：CN202310134699.X

申请日：2023-02-20

Applicant: 南京信息工程大学 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  韩宇 ,  万家权 ,  陈笑娟 ,  陈迪

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法，属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据，不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测，但多使用机器学习方法和CNN等深度学习方法，机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征；而CNN等深度学习方法可以很好的提取特征，但无法很好的运行特征进行预测。因此，提出一种基于CNN‑XGBOOST模型的短时强降水预测方法，本方法可以在不需求雷达回波数据的情况下进行短时强降水预测，同时可以提取特征变量的时间变化特征，并充分利用提取出的特征进行预测。

公开(公告)号：CN117011668A

公开(公告)日：2023-11-07

申请号：CN202310714414.X

申请日：2023-06-14

Applicant: 南京信息工程大学 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  章超钦 ,  万家权

IPC: G06V10/82 ,  G01S7/41 ,  G01S13/95 ,  G06V10/72 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于时序预测神经网络的天气雷达回波外推方法，包括以下步骤：S1，用OpenCV读取连续时间序列的天气雷达回波数据集；S2，采用自适应性的归一化方法对天气雷达回波数据集进行预处理；S3，在ST‑LSTM单元中嵌入时空自注意力模块，得到基于时空自注意力和时序预测神经网络的时空序列预测模型；S4，将预处理后的天气雷达回波数据集中的训练集用于训练模型；S5，将训练好的模型对测试集进行预测，利用验证集进行验证，通过验证后，得到雷达回波外推模型。本发明能够更好的捕捉雷达回波云团间复杂的动态时空依赖关系，提高对强回波的预测精度。

公开(公告)号：CN115860268B

公开(公告)日：2023-07-14

申请号：CN202310134699.X

申请日：2023-02-20

Applicant: 南京信息工程大学 ,  南京宸象空间信息技术有限公司

Inventor： 薛丰昌 ,  韩宇 ,  万家权 ,  陈笑娟 ,  陈迪

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法，属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据，不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测，但多使用机器学习方法和CNN等深度学习方法，机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征；而CNN等深度学习方法可以很好的提取特征，但无法很好的运行特征进行预测。因此，提出一种基于CNN‑XGBOOST模型的短时强降水预测方法，本方法可以在不需求雷达回波数据的情况下进行短时强降水预测，同时可以提取特征变量的时间变化特征，并充分利用提取出的特征进行预测。