-
公开(公告)号：CN118246211B
公开(公告)日：2024-12-17
申请号：CN202410324323.X
申请日：2024-03-21
Applicant: 武汉大学
IPC: G06F30/20 , G06F17/10 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了考虑非一致性的两阶段气候模式多变量偏差校正方法，首先选取气候变量获取气候模式数据和观测数据；将模式数据和观测数据空间插值至统一分辨率；采用分位数增量映射法对每个气候变量进行单变量偏差校正；采用考虑非一致性的自由分布置乱算法对多变量间相关性进行校正。此方法在考虑非一致性的基础上将多变量偏差校正分为单变量校正和相关性校正两个阶段，计算快速简单，适用于所有气候变量，可扩展至多维，有利于提高气候模式对气象水文要素预测的准确性。
-
公开(公告)号：CN117113808B
公开(公告)日：2024-05-10
申请号：CN202310896277.6
申请日：2023-07-20
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06F111/10
Abstract: 本发明提供一种全球气候模式耦合水文模型模拟的处理方法及系统，属于水文模型模拟与后处理技术领域，包括：根据VIC分布式流域水文模型获取模拟日径流，采用变分模态分解将模拟日径流分解为若干不同频率固有模态分量；采用相关系数法和逐步多元回归法对全球关键海域海温因子和大气环流因子进行筛选，得到筛选后因子；由若干不同频率固有模态分量和筛选后因子构建输入因子集合，构建LSTM模型，采用阿基米德算法对LSTM模型的超参数进行优化率定，得到改进的模拟径流系列。本发明考虑了深度学习模型的优势和基于物理机制的影响因子的科学性，校正了水文模型模拟的日径流，为全球气候模式与流域水文模型耦合模拟提供了参考依据。
-
Patent Agency Ranking
公开(公告)号：CN117113808A
公开(公告)日：2023-11-24
申请号：CN202310896277.6
申请日：2023-07-20
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06F111/10
Abstract: 本发明提供一种全球气候模式耦合水文模型模拟的处理方法及系统，属于水文模型模拟与后处理技术领域，包括：根据VIC分布式流域水文模型获取模拟日径流，采用变分模态分解将模拟日径流分解为若干不同频率固有模态分量；采用相关系数法和逐步多元回归法对全球关键海域海温因子和大气环流因子进行筛选，得到筛选后因子；由若干不同频率固有模态分量和筛选后因子构建输入因子集合，构建LSTM模型，采用阿基米德算法对LSTM模型的超参数进行优化率定，得到改进的模拟径流系列。本发明考虑了深度学习模型的优势和基于物理机制的影响因子的科学性，校正了水文模型模拟的日径流，为全球气候模式与流域水文模型耦合模拟提供了参考依据。
-
公开(公告)号：CN119719945A
公开(公告)日：2025-03-28
申请号：CN202411606371.4
申请日：2024-11-12
Applicant: 武汉大学
IPC: G06F18/2415 , G06F18/2321 , G06F18/15 , G06F18/213 , G06F18/20 , G01W1/02 , G01W1/10 , G06F123/02
Abstract: 本发明提供一种空间并发极端气候事件的社区结构检测方法及系统，包括：收集研究区域的格点气温和降水数据，提取热浪和极端降水事件的二元时间序列，并进行事件同步判定计算和显著性检验；根据层间邻接矩阵，构建双层耦合热浪‑极端降水网络；基于双层耦合网络，采用结合Leiden算法与共识聚类的社区检测方法，得到稳定社区分类结果；对所有的社区对进行超前‑滞后相关性分析，识别出具有强相关性的关键社区对及其滞后时间，进一步探讨气候事件的时空传播特征。本发明充分利用双层耦合气候网络分析的优势，结合Leiden算法与共识聚类方法，提高社区检测的准确性和稳定性，能够有效揭示全球极端气候事件的空间并发特征以及时空传播规律。
-
公开(公告)号：CN118246211A
公开(公告)日：2024-06-25
申请号：CN202410324323.X
申请日：2024-03-21
Applicant: 武汉大学
IPC: G06F30/20 , G06F17/10 , G06Q50/26 , G06F113/08
Abstract: 本发明公开了考虑非一致性的两阶段气候模式多变量偏差校正方法，首先选取气候变量获取气候模式数据和观测数据；将模式数据和观测数据空间插值至统一分辨率；采用分位数增量映射法对每个气候变量进行单变量偏差校正；采用考虑非一致性的自由分布置乱算法对多变量间相关性进行校正。此方法在考虑非一致性的基础上将多变量偏差校正分为单变量校正和相关性校正两个阶段，计算快速简单，适用于所有气候变量，可扩展至多维，有利于提高气候模式对气象水文要素预测的准确性。
-
公开(公告)号：CN119226652B
公开(公告)日：2025-05-06
申请号：CN202410904534.0
申请日：2024-07-08
Applicant: 武汉大学
IPC: G06F17/10
Abstract: 本发明提供一种基于环流分型的冷季复合低温大雪事件的归因分析方法，包括：基于收集研究区域的实测气象水文数据、全球气候模式数据和大气环流数据，进行气候模式的偏差校正计算和降雪的计算；采用自组织映射神经网络对大气环流变量进行环流分型，识别不同环流型下的复合极端低温大雪事件并进行事件特征分析；基于环流型的频率变化，采用正则化最优指纹法进行外强迫检测归因分析和未来时期的全球气候模式的约束预估分析；采用气候变化分离法，通过复合极端事件频次变化趋势进行热力作用、动力作用、热力‑动力相互作用的分离。本发明为复合极端气候事件的气候变化和人类活动影响的归因提供了新视角。
-
公开(公告)号：CN119226652A
公开(公告)日：2024-12-31
申请号：CN202410904534.0
申请日：2024-07-08
Applicant: 武汉大学
IPC: G06F17/10
Abstract: 本发明提供一种基于环流分型的冷季复合低温大雪事件的归因分析方法，包括：基于收集研究区域的实测气象水文数据、全球气候模式数据和大气环流数据，进行气候模式的偏差校正计算和降雪的计算；采用自组织映射神经网络对大气环流变量进行环流分型，识别不同环流型下的复合极端低温大雪事件并进行事件特征分析；基于环流型的频率变化，采用正则化最优指纹法进行外强迫检测归因分析和未来时期的全球气候模式的约束预估分析；采用气候变化分离法，通过复合极端事件频次变化趋势进行热力作用、动力作用、热力‑动力相互作用的分离。本发明为复合极端气候事件的气候变化和人类活动影响的归因提供了新视角。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
