公开(公告)号：CN119760660A

公开(公告)日：2025-04-04

申请号：CN202411880641.0

申请日：2024-12-19

Applicant: 复旦大学

Inventor： 李昊 ,  仲晓辉 ,  陈磊 ,  漆远

IPC: G06F18/27 ,  G06F18/214 ,  G06F18/10 ,  G06N3/042 ,  G06N3/045 ,  G01W1/10

Abstract: 本发明公开了极端天气预测模型的训练方法，极端天气预测模型包括扩散模型，扩散模型包括正向扩散模块和反向扩散模块，训练方法包括：确定用于训练的初步预测天气样本和其对应的预测标签；通过初步预测天气样本和预测标签对扩散模型进行训练，包括：通过正向扩散模块对初步预测天气样本添加噪声数据，得到噪声天气融合数据；通过反向扩散模块对噪声天气融合数据还原至预测天气还原样本，得到预测噪声数据；根据噪声数据与预测噪声数据确定损失函数；根据损失函数、预测天气还原样本和预测标签训练扩散模型，得到训练完成的极端天气预测模型。训练出的模型预测更准确。本发明还公开了训练装置、极端天气预测方法及装置、电子设备和可读存储介质。

公开(公告)号：CN119830098A

公开(公告)日：2025-04-15

申请号：CN202411880638.9

申请日：2024-12-19

Applicant: 复旦大学

Inventor： 李昊 ,  仲晓辉 ,  陈磊 ,  漆远

IPC: G06F18/241 ,  G01W1/10 ,  G06F18/21 ,  G06F18/10 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了天气预测方法，通过天气预测模型进行天气预测，天气预测模型包括时空变分自编码器，时空变分自编码器包括编码器和解码器，天气预测方法包括：获取包含当前天气情况信息的当前天气数据；通过编码器对当前天气数据在隐空间进行编码，得到当前天气隐空间数据；当前天气隐空间数据为增加特征维度并降低时空维度后的数据；在隐空间上进行天气预测，得到预测天气隐空间数据；通过解码器对预测天气隐空间数据进行解码，得到预测天气数据。上述方法能够减少当前天气数据的冗余性，提取关键气象特征，有利于提高天气预测的准确性。本发明还公开了天气预测模型的训练方法、天气预测装置、天气预测模型的训练装置、电子设备和可读存储介质。

公开(公告)号：CN119620241A

公开(公告)日：2025-03-14

申请号：CN202411795899.0

申请日：2024-12-06

Applicant: 复旦大学

Inventor： 李昊 ,  仲晓辉 ,  陈磊 ,  漆远

IPC: G01W1/10 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本申请提供了用于预报天气的方法和装置。方法包括：从背景区域中获取包含观测区域的规则网格区域，包括多个网格点，并计算得到预定观测时间段中的每个网格点的网格点观测数据；对每个网格点的网格点观测数据进行编码，得到额外观测数据；将网格点观测数据和额外观测数据进行组合，得到组合观测数据；将背景区域中的背景数据进行裁切，以匹配规则网格区域，得到背景输入数据；将背景输入数据和组合观测数据进行混合，得到混合输入数据；将组合观测数据、背景输入数据、以及混合输入数据输入深度学习模型，基于输出数据来预报天气。本发明中，采用了基于深度学习模型的数据同化框架来预报天气，不仅提高了数据处理效率，而且简化了数据同化过程。

公开(公告)号：CN119167163A

公开(公告)日：2024-12-20

申请号：CN202411183511.1

申请日：2024-08-27

Applicant: 复旦大学

Inventor： 李昊 ,  仲晓辉 ,  陈磊

IPC: G06F18/241 ,  G01W1/10 ,  G06F18/21 ,  G06F18/10 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了天气预测方法，通过天气预测模型进行天气预测，天气预测模型包括时空变分自编码器，时空变分自编码器包括编码器和解码器，天气预测方法包括：获取包含当前天气情况信息的当前天气数据；通过编码器对当前天气数据在隐空间进行编码，得到当前天气隐空间数据；当前天气隐空间数据为增加特征维度并降低时空维度后的数据；在隐空间上进行天气预测，得到预测天气隐空间数据；通过解码器对预测天气隐空间数据进行解码，得到预测天气数据。上述方法能够减少当前天气数据的冗余性，提取关键气象特征，有利于提高天气预测的准确性。本发明还公开了天气预测模型的训练方法、天气预测装置、天气预测模型的训练装置、电子设备和可读存储介质。

公开(公告)号：CN119089407A

公开(公告)日：2024-12-06

申请号：CN202411183518.3

申请日：2024-08-27

Applicant: 复旦大学

Inventor： 李昊 ,  仲晓辉 ,  陈磊

IPC: G06F18/27 ,  G06F18/214 ,  G06F18/10 ,  G06N3/042 ,  G06N3/045 ,  G01W1/10

Abstract: 本发明公开了极端天气预测模型的训练方法，极端天气预测模型包括扩散模型，扩散模型包括正向扩散模块和反向扩散模块，训练方法包括：确定用于训练的初步预测天气样本和其对应的预测标签；通过初步预测天气样本和预测标签对扩散模型进行训练，包括：通过正向扩散模块对初步预测天气样本添加噪声数据，得到噪声天气融合数据；通过反向扩散模块对噪声天气融合数据还原至预测天气还原样本，得到预测噪声数据；根据噪声数据与预测噪声数据确定损失函数；根据损失函数、预测天气还原样本和预测标签训练扩散模型，得到训练完成的极端天气预测模型。训练出的模型预测更准确。本发明还公开了训练装置、极端天气预测方法及装置、电子设备和可读存储介质。