-
公开(公告)号：CN111859303A
公开(公告)日：2020-10-30
申请号：CN202010736872.X
申请日：2020-07-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于动态贝叶斯的土壤湿度融合算法及系统，该方法包括以下步骤：数据获取和训练、测试集划分；数据变换及偏差订正；根据动态贝叶斯算法获取动态权重；动态权重分配并进行数据逆变换；生成土壤湿度融合产品。本发明具有以下优点:(1)动态贝叶斯权重算法可以自适应快速变化天气和土壤湿度记忆性之间的平衡，动态调整多产品的权重，可以有效地提高土壤湿度产品的精度。(2)本发明中的动态贝叶斯权重算法参数少，仅有一个需要确定的最优时间尺度参数，减少了参数选取的不确定性。(3)本发明中的动态贝叶斯权重算法，它是一种基于概率密度分布的贝叶斯算法，能够有效提高概率预测评分，对于干旱监测和预报更加有效。
-
公开(公告)号：CN119780845A
公开(公告)日：2025-04-08
申请号：CN202510288488.0
申请日：2025-03-12
Applicant: 南京大学
Abstract: 本发明公开了一种基于UNet的PPI雷达回波智能滤波方法，包括以下步骤：基于多重阈值滤波和腐蚀膨胀等形态学处理方法生成毫米波云雷达观测数据的标签，以构建高质量的雷达回波分类数据集；依据地物杂波的统计特征，从原始观测数据中提取出多个特征参量，作为原始数据集的补充；将这些特征参量与观测数据拼接后输入到基于UNet的深度网络中进行模型训练，最终得到雷达回波滤波模型；本发明在多个评估指标下均优于传统UNet网络，能高效、准确识别雷达数据中的气象回波和地物杂波。
-
公开(公告)号：CN119557578A
公开(公告)日：2025-03-04
申请号：CN202510115053.6
申请日：2025-01-24
Applicant: 南京大学
IPC: G06F18/15 , G06N3/0455 , G06N3/0464 , G06F18/214 , G06F18/21 , G01W1/14
Abstract: 本发明公开了一种基于条件性动态区域采样的Att‑TS‑UKAN降水偏差订正方法，其包括以下步骤：（1）获取全球的降水预报、卫星数据及相关气象因子数据并进行预处理；（2）构建Att‑UKAN的深度学习模型；包括：卷积块、注意力模块和自注意力KAN模块；（3）设计基于样本数据分布的加权均方误差和可微分气象TS评分；（4）通过条件性动态区域采样的数据增强技术使用全球的降水预报数据及相关因子与降水卫星数据训练模型；（5）利用优化后的模型对目标区域降水预报数据进行偏差订正，生成更准确的降水预报结果；本发明优化了降水预报的空间分布和量级预测。
-
公开(公告)号：CN117725523B
公开(公告)日：2024-04-12
申请号：CN202410131744.0
申请日：2024-01-31
Applicant: 中科技术物理苏州研究院 , 南京大学
IPC: G06F18/243 , G06N20/20 , G06F18/25 , G06F18/214 , G06F18/2415 , G06F18/21 , G01W1/10
Abstract: 本发明提供一种基于物理约束的雷暴天气预警方法及预警系统，其中，预警方法包括：获取特定区域、特定时间的葵花8号卫星数据、GPM融合降水数据、高程及纬度数据；将通道亮温阈值低于253K的云团作为第一疑似雷暴云团，并采用最小距离法对第一疑似雷暴云团进行追踪；选取葵花8号卫星中预定的若干通道建立阈值判识条件；对葵花8号卫星数据和GPM融合降水数据进行时空匹配处理；将葵花8号卫星数据、高程及纬度数据、基于物理约束的阈值判识条件输入随机森林模型中构建雷暴预警模型。本发明能够降低误报率，更准确的捕捉雷暴天气，提高资源的利用效率，且能够解决因样本不平衡导致的雷暴预测结果过度偏向的问题，提高强雷暴预测的准确性。
-
公开(公告)号：CN119780845B
公开(公告)日：2025-05-23
申请号：CN202510288488.0
申请日：2025-03-12
Applicant: 南京大学
Abstract: 本发明公开了一种基于UNet的PPI雷达回波智能滤波方法，包括以下步骤：基于多重阈值滤波和腐蚀膨胀等形态学处理方法生成毫米波云雷达观测数据的标签，以构建高质量的雷达回波分类数据集；依据地物杂波的统计特征，从原始观测数据中提取出多个特征参量，作为原始数据集的补充；将这些特征参量与观测数据拼接后输入到基于UNet的深度网络中进行模型训练，最终得到雷达回波滤波模型；本发明在多个评估指标下均优于传统UNet网络，能高效、准确识别雷达数据中的气象回波和地物杂波。
-
Patent Agency Ranking
公开(公告)号：CN119622277A
公开(公告)日：2025-03-14
申请号：CN202510155152.7
申请日：2025-02-12
Applicant: 南京大学
IPC: G06F18/20 , G06F18/2113 , G06F18/21 , G06F18/25
Abstract: 本发明公开了一种基于XGB‑SHAP‑RFE特征优选与SHAP可解释分析的土壤湿度融合方法，包括以下步骤：（1）收集并整理多源土壤湿度相关数据，形成统一的数据集；（2）构建XGB‑SHAP‑RFE网络，从数据集中优选关键特征；（3）利用优选关键特征训练融合模型并对其性能进行评估；（4）基于SHAP方法对模型输出进行可解释分析，量化各特征的贡献；（5）结合模型结果，生成多源融合的高质量土壤湿度数据；本发明旨在高效的生成高精度，高分辨率的土壤湿度融合产品。
-
公开(公告)号：CN119179844A
公开(公告)日：2024-12-24
申请号：CN202411649169.X
申请日：2024-11-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于天文潮位和水文模式模拟流量的感潮河段流量预测方法，包括以下步骤：（1）准备水文站的河流流量和天文潮位的历史观测数据；（2）观测数据按时间先后顺序排列，去除不连续点和异常点；（3）对每个时次的观测流量进行25小时移动平均得到平均观测流量，进而得到观测流量受潮位影响的分量；（4）对每个时次的天文潮位求其时间微分；（5）使用最小二乘法构建无截距的线性回归；（6）构造时间加权的天文潮微分；（7）观察水文站的流量‑天文潮响应特征，构造天文潮微分函数，并运用步骤（5）回归方程完成回归分析；（8）得到预测流量。本发明有效提升了传统水文模式在感潮河段流量预报中的应用效果。
-
公开(公告)号：CN119780844A
公开(公告)日：2025-04-08
申请号：CN202510281809.4
申请日：2025-03-11
Applicant: 南京大学
IPC: G01S7/02 , G06F18/214 , G06F18/2431 , G06F18/10 , G06F18/25 , G06N7/02 , G01S13/88 , G01S13/95
Abstract: 本发明公开了一种基于KAN网络的毫米波云雷达回波智能识别方法，包括以下步骤：（1）自动标签生成；（2）结合特征值和模糊逻辑算法的REC‑KAN‑MLP网络；（3）模型通过端到端深度学习实现雷达扫描后实时滤波；本发明在无需雷达回波功率谱的情况下，能够有效识别PPI中的气象回波和地物杂波。
-
公开(公告)号：CN119179844B
公开(公告)日：2025-04-08
申请号：CN202411649169.X
申请日：2024-11-19
Applicant: 南京大学
Abstract: 本发明公开了一种基于天文潮位和水文模式模拟流量的感潮河段流量预测方法，包括以下步骤：（1）准备水文站的河流流量和天文潮位的历史观测数据；（2）观测数据按时间先后顺序排列，去除不连续点和异常点；（3）对每个时次的观测流量进行25小时移动平均得到平均观测流量，进而得到观测流量受潮位影响的分量；（4）对每个时次的天文潮位求其时间微分；（5）使用最小二乘法构建无截距的线性回归；（6）构造时间加权的天文潮微分；（7）观察水文站的流量‑天文潮响应特征，构造天文潮微分函数，并运用步骤（5）回归方程完成回归分析；（8）得到预测流量。本发明有效提升了传统水文模式在感潮河段流量预报中的应用效果。
-
公开(公告)号：CN117233867A
公开(公告)日：2023-12-15
申请号：CN202311203364.5
申请日：2023-09-19
Applicant: 南京大学
IPC: G01W1/10 , G06F18/22 , G06F18/214 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于新型损失函数的深度学习降水短临预报方法。具体是：步骤一，获取特定区域、时间的雷达数据，所述数据包括垂直积分液态水数据、其他水文输入数据；步骤二，使用深度学习模型进行训练；步骤三，在计算损失函数时，利用光流法将深度学习方法预报的降水场和真实的降水场进行位置上的匹配；步骤四，分别计算匹配后的降水场误差和匹配过程中的位移误差；步骤五，利用多任务学习的方法对这两个误差分别进行优化；步骤六，对深度学习模型的预报进行客观降水评分检验。本发明方法可以在不修改深度神经网络的情况下实现更清晰、更准确的预测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.016 seconds)
