一种基于图像识别算法的降水检验方法

    公开(公告)号:CN113379630A

    公开(公告)日:2021-09-10

    申请号:CN202110644783.7

    申请日:2021-06-09

    Abstract: 本发明涉及降水检验技术领域,且公开了一种基于图像识别算法的降水检验方法,包括以下步骤:S1:数据读取,首先采集气象原始数据和图片,然后对其进行识别和读取,依次进行图像增强、图像去噪、图像过滤、图像分割、图像整合和图像二值化处理,得到预处理图像;S2:数据解析,解析读取的数据,然后设定降水阀值。本发明通过对模式预报进行各角度平移,使模式降水预报与实况方差最小,计算分析实况与模式的降水落区、降水强度、形态误差,解决数值模式的降水预报能力评判不够客观的问题,更加便于预报员理解数值模式在不同的影响系统下的降水误差,从而更好地进行模式订正,做出较为准确的降水预报。

    AGRI受杂散光污染期间的中红外波段生成方法

    公开(公告)号:CN119573894A

    公开(公告)日:2025-03-07

    申请号:CN202411606319.9

    申请日:2024-11-12

    Abstract: 本发明公开一种先进的AGRI受杂散光污染期间的中红外波段生成方法,包括:收集AGRI未受杂散光污染期间的中红外波段和远红外波段的亮温观测数据,并对收集的中红外波段和远红外波段的亮温观测数据进行预处理;根据标记的中红外波段和远红外波段的亮温观测数据之间的映射关系,构建并训练由AGRI的远红外波段亮温观测数据生成中红外波段亮温数据的MWIR生成模型;根据训练完成的MWIR生成模型,输入AGRI受杂散光污染期间的远红外波段的亮温观测数据,生成同时刻中红外波段亮温数据。本发明可较为准确地生成杂散光污染期间的MWIR波段亮温数据,可以为静止卫星MWIR数据的质量提升提供可靠、可复制的技术方案。

    基于循环卷积神经网络的短时强降水概率预报融合方法

    公开(公告)号:CN117290810B

    公开(公告)日:2024-02-02

    申请号:CN202311584724.0

    申请日:2023-11-27

    Abstract: 明可以大幅提升对短时强降水的概率预测能力。本发明公开了一种基于循环卷积神经网络的短时强降水概率预报融合方法,涉及大气科学研究领域,包括如下步骤:步骤一、建立降水短时预测的融合数据集,并将融合数据集划分为降水短时预测训练集、验证集和测试集;步骤二、使用步骤一中的降水短时预测训练集和验证集,训练出基于循环卷积神经网络的降水时序预测模型;采用训练出的基于循环卷积神经网络的降水时序预测模型,获取未来6‑18小时的小时降水量时空预报结果;步骤三、采用步骤二中得到的降水(56)对比文件庄潇然 等.基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究 《.气象学报》.2023,286-303.郑玉 等.基于循环神经网络改进雷达定量估测强降水《.中国科技论文》.2020,第15卷(第5期),585-592.WU Zhi-peng 等.A COMBINEDVERIFICATION METHOD FOR PREDICTABILITY OFPERSISTENT HEAVY RAINFALL EVENTS OVEREAST ASIA BASED ON ENSEMBLE FORECAST.《JOURNAL OF TROPICAL METEOROLOGY》.2020,1-12.Xiaoran Zhuang 等.SpatialPredictability of Heavy Rainfall Eventsin East China and the Application ofSpatial-Based Methods of ProbabilisticForecasting《.atmosphere》.2019,1-19.Angelica N. Caseri 等.A convolutionalrecurrent neural network for strongconvective rainfall nowcasting usingweather radar data in SoutheasternBrazil《.Artificial Intelligence inGeosciences》.2022,1-6.

Patent Agency Ranking