公开(公告)号：CN116246179A

公开(公告)日：2023-06-09

申请号：CN202211657656.1

申请日：2022-12-22

Applicant: 中国人民解放军61540部队 ,  哈尔滨工程大学

Inventor： 成巍 ,  姜宇航 ,  李亚云 ,  孙敬哲 ,  高峰 ,  刘厂

IPC: G06V20/13 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及气象技术领域，且公开了一种基于深度学习的卫星云图外推方法，包括：使用历史卫星观测数据构建气象卫星时间序列云图数据集；构建基于深度学习的卫星云图外推模型；根据构建的卫星时间序列云图数据集对该深度学习模型进行训练，得到卫星云图外推模型；将实时的卫星时间序列云图数据输入卫星云图外推模型，模型输出未来一段时间的卫星云图，从而实现卫星云图外推。本发明利用深度学习的时间和空间特征提取能力，基于历史卫星时间序列云图数据集训练模型，能够对实时的卫星云图数据进行时间序列预测，克服了现有技术不足。

公开(公告)号：CN115859797A

公开(公告)日：2023-03-28

申请号：CN202211486452.6

申请日：2022-11-24

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  刘波 ,  成巍 ,  刘厂 ,  李亚云 ,  卞双双 ,  孙静哲 ,  王凯

IPC: G06F30/27 ,  G06F119/02

Abstract: 本发明了一种基于深度学习的卫星定量降水估计方法，属于气象卫星的技术领域。首先收集降水量待估计区域的历史卫星观测数据和使用GPM‑IMERG逐半小时测量的历史区域降水数据，构建训练数据集。然后构建深度学习网络模型，并使用训练数据集对深度学习网络模型进行训练，得到卫星定量降水估计模型。最后将某一时刻的新的卫星观测数据进行处理后得到一份区域数据，并将此区域数据作为卫星定量降水估计模型的输入数据，经过卫星定量降水估计模型输出区域定量降水估计结果，并将该结果可视化为一张降雨强度分布图。本发明利用深度学习的非线性映射能力，提高了降水估计的准确性。