-
公开(公告)号：CN116341379A
公开(公告)日：2023-06-27
申请号：CN202310285960.6
申请日：2023-03-22
Applicant: 复旦大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明属于云的物理参数化技术领域，具体为一种基于机器学习的随机云生成器加速方法。本发明采用机器学习方法来对随机云生成器进行替代，获得便捷快速的机器学习模型，该模型根据输入的云量廓线以及总云量可以快速地获得对应的抗相关厚度，免去了繁琐的遍历与随机数生成过程，极大地加快了抗相关厚度的获取速度，对于生成云的次网格结构有重要意义。基于本发明计算的数据集，在分辨率、纬度与抗相关厚度之间建立参数化关系，给出了抗相关厚度随着分辨率与纬度的平均变化，该参数化方案可直接应用于数值模式中，对提高模式的模拟准确度具有着重要意义。
Search Results
1
records
(took 0.015 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
