-
公开(公告)号：CN114070262B
公开(公告)日：2022-06-21
申请号：CN202111250600.X
申请日：2021-10-26
Applicant: 南京大学
Abstract: 本发明公开了一种附加扰动的集成混合集合卡尔曼滤波天气预报同化方法及其装置。该天气预报同化方法通过一组气候态集合扰动来估计静态背景误差协方差矩阵，从而得到混合的卡尔曼增益矩阵。与常用的对静态和流相关的背景误差协方差得到的卡尔曼增益求平均的混合方法相比，本发明采用混合卡尔曼增益来更新后验集合均值、采用混合的减小卡尔曼增益来更新后验集合扰动。与通常由集合卡尔曼滤波更新集合扰动的混合数据同化方法相比，本发明能用混合卡尔曼增益更新集合扰动，并且克服了分离的混合同化系统和集合卡尔曼滤波系统存在的不一致问题，在混合权重及其他同化参数选择合适的情况下，能够进一步减小同化后的误差。
-
公开(公告)号：CN114861441A
公开(公告)日：2022-08-05
申请号：CN202210502118.9
申请日：2022-05-09
Applicant: 南京大学
IPC: G06F30/20 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于类比的离线集合卡尔曼滤波古气候数据同化系统、方法及电子设备。所述数据同化方法在集合卡尔曼滤波的同化框架下进行，其在同化观测前，基于类比的方法，通过一定的标准（相对于观测的均方根误差或者相关系数）选择集合先验成员，代替传统的随机抓取的静态集合先验成员来更新集合均值和集合扰动。相对于‘在线’循环同化的方法减少了集合模式向前积分的巨大计算量。与通常的‘离线’重复利用随机抓取的先验集合的同化方法相比，本发明能够构造更精确的先验集合平均，同时捕获‘流依赖’的背景场误差协方差信息，能够进一步减小同化后的误差。
-
公开(公告)号：CN110472781B
公开(公告)日：2021-02-19
申请号：CN201910701986.8
申请日：2019-07-31
Applicant: 南京大学
Abstract: 本发明公开了台风多变量集合敏感性分析方法、台风预报方法及其系统。所述台风多变量集合敏感性分析方法，基于台风的集合预报，以集合的预报响应函数和分析场的影响因子建立多元线性回归模型，计算多变量回归系数。当给定分析场的模式某格点某变量的扰动时，通过该格点该变量与影响因子中除去该格点该变量的其他变量的相关性计算分析场的增量，并以局地化函数进行约束，再结合多变量回归系数，估计得到预报响应函数的变化。因此，本发明可以简单、高效地指出影响台风预报的初始关键区域和变量，有效提高台风的敏感性估计和预报水平。
-
公开(公告)号：CN114048433B
公开(公告)日：2022-06-21
申请号：CN202111248676.9
申请日：2021-10-26
Applicant: 南京大学
Abstract: 本发明公开了一种基于集合卡尔曼滤波框架的混合同化系统及方法，包括输入单元、气候态集合扰动单元、循环集合扰动单元、气候态背景误差协方差单元、增广集合扰动单元、背景误差协方差单元、气候态背景误差协方差单元、混合背景误差协方差单元、后验集合平均更新单元、后验集合扰动更新单元、后验循环集合单元，通过气候态扰动集合估计背景误差协方差来近似静态背景误差协方差，能够在集合卡尔曼滤波的框架中实现混合同化方法，用混合背景误差协方差来更新集合均值和集合扰动。本发明克服了分离的混合同化系统和集合卡尔曼滤波系统存在的不一致问题，在混合权重及其他同化参数选择合适的情况下，能够进一步减小同化后的误差。
-
公开(公告)号：CN118013182A
公开(公告)日：2024-05-10
申请号：CN202410048140.X
申请日：2024-01-12
Applicant: 南京大学
Abstract: 本发明公开了一种高光谱红外卫星资料同化的自适应通道选择方法及系统，包括输入模块、观测对背景误差的影响计算模块、剔除已同化观测模块、后验集合获得模块。给定一组预报集合及观测；同化前在观测空间中，计算后验背景误差协方差与先验背景误差协方差的比率（Pa/Pb），并按此值递增顺序来同化观测数据，对于每次迭代中Pa/Pb最小的观测将被同化；在同化某一观测后，使用后验集合作为新的先验集合，在观测中剔除掉已同化观测；当剩余观测的Pa/Pb大于预设的阈值时，同化终止；同化完所有Pa/Pb阈值内的观测后，得到后验集合并计算集合平均。本发明不仅适合于快速变化天气的同化，同时也适用于有更宽光谱覆盖宽度的高光谱卫星资料。
-
Patent Agency Ranking
公开(公告)号：CN111259324B
公开(公告)日：2022-07-12
申请号：CN202010013183.6
申请日：2020-01-07
Applicant: 南京大学
Abstract: 本发明公开了卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法。适应性局地化方法根据集合卡曼滤波同化系统中给出的任意观测资料和模式变量，计算出观测资料和模式变量的相关系数；接着利用分组后的相关系数估计该观测资料和模式变量的原始局地化函数；根据相关系数的廓线估计出卫星观测的位置po，并将原始局地化函数以位于po位置处的GC函数最大值进行拟合，得到卫星观测的影响范围co。位置po、影响范围co即为本发明所求的适应性局地化参数。将所得到的适应性局地化参数用于区域模式中预报台风，预报结果与没有使用本发明的预报结果相比，相对于观测的误差明显减小，同时使用本发明还明显改进了台风快速增强阶段的预报。
-
公开(公告)号：CN108196314B
公开(公告)日：2023-04-18
申请号：CN201711407247.5
申请日：2017-12-22
Applicant: 南京大学
Abstract: 本发明公开了一种西北太平洋环状台风自动识别系统，首次建立了一种针对西北太平洋环状台风的自动识别系统，将待判断台风的卫星数据、环境场、海温场资料输入自动识别系统，系统将计算得到该台风一系列物理特征，进而基于这些特征参数，通过预筛选和线性判别，或BP神经网络的进行自动识别，对符合西北太平洋环状台风特征的台风做出警示，为此类台风的预报提供帮助。
-
公开(公告)号：CN114070262A
公开(公告)日：2022-02-18
申请号：CN202111250600.X
申请日：2021-10-26
Applicant: 南京大学
Abstract: 本发明公开了一种附加扰动的集成混合集合卡尔曼滤波天气预报同化方法及其装置。该天气预报同化方法通过一组气候态集合扰动来估计静态背景误差协方差矩阵，从而得到混合的卡尔曼增益矩阵。与常用的对静态和流相关的背景误差协方差得到的卡尔曼增益求平均的混合方法相比，本发明采用混合卡尔曼增益来更新后验集合均值、采用混合的减小卡尔曼增益来更新后验集合扰动。与通常由集合卡尔曼滤波更新集合扰动的混合数据同化方法相比，本发明能用混合卡尔曼增益更新集合扰动，并且克服了分离的混合同化系统和集合卡尔曼滤波系统存在的不一致问题，在混合权重及其他同化参数选择合适的情况下，能够进一步减小同化后的误差。
-
公开(公告)号：CN114048433A
公开(公告)日：2022-02-15
申请号：CN202111248676.9
申请日：2021-10-26
Applicant: 南京大学
Abstract: 本发明公开了一种基于集合卡尔曼滤波框架的混合同化系统及方法，包括输入单元、气候态集合扰动单元、循环集合扰动单元、气候态背景误差协方差单元、增广集合扰动单元、背景误差协方差单元、气候态背景误差协方差单元、混合背景误差协方差单元、后验集合平均更新单元、后验集合扰动更新单元、后验循环集合单元，通过气候态扰动集合估计背景误差协方差来近似静态背景误差协方差，能够在集合卡尔曼滤波的框架中实现混合同化方法，用混合背景误差协方差来更新集合均值和集合扰动。本发明克服了分离的混合同化系统和集合卡尔曼滤波系统存在的不一致问题，在混合权重及其他同化参数选择合适的情况下，能够进一步减小同化后的误差。
-
公开(公告)号：CN111259324A
公开(公告)日：2020-06-09
申请号：CN202010013183.6
申请日：2020-01-07
Applicant: 南京大学
Abstract: 本发明公开了卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法。适应性局地化方法根据集合卡曼滤波同化系统中给出的任意观测资料和模式变量，计算出观测资料和模式变量的相关系数；接着利用分组后的相关系数估计该观测资料和模式变量的原始局地化函数；根据相关系数的廓线估计出卫星观测的位置po，并将原始局地化函数以位于po位置处的GC函数最大值进行拟合，得到卫星观测的影响范围co。位置po、影响范围co即为本发明所求的适应性局地化参数。将所得到的适应性局地化参数用于区域模式中预报台风，预报结果与没有使用本发明的预报结果相比，相对于观测的误差明显减小，同时使用本发明还明显改进了台风快速增强阶段的预报。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.014 seconds)
