公开(公告)号：CN117907965B

公开(公告)日：2024-05-24

申请号：CN202410308899.7

申请日：2024-03-19

Applicant: 江苏省气象台

Inventor： 庄潇然 ,  康志明 ,  曾康 ,  郑玉 ,  刘希 ,  冯宇轩 ,  耿良超 ,  闵锦忠

IPC: G01S7/41 ,  G01S13/95 ,  G01W1/10

Abstract: 本发明涉及天气雷达信息处理技术领域，提供一种面向对流风暴精细结构的三维雷达回波临近预报方法，包括如下步骤：获取分析区域的基本反射率因子数据，通过质控和插值，建立分析区域的高分辨率三维雷达回波数据集；根据高分辨率三维雷达回波数据集，采用SwinURNN3D融合框架，训练得到最优三维雷达回波临近预报模型；以最临近三维雷达反射率数据序列作为最优三维雷达回波临近预报模型输入，输出预测的三维雷达反射率因子序列。本发明建立了包含多垂直层的三维雷达回波数据集作为模型输入，解决了现有技术中单一层次雷达回波临近预报不能反映对流风暴结构的问题。

公开(公告)号：CN117907965A

公开(公告)日：2024-04-19

申请号：CN202410308899.7

申请日：2024-03-19

Applicant: 江苏省气象台

Inventor： 庄潇然 ,  康志明 ,  曾康 ,  郑玉 ,  刘希 ,  冯宇轩 ,  耿良超 ,  闵锦忠

IPC: G01S7/41 ,  G01S13/95 ,  G01W1/10

Abstract: 本发明涉及天气雷达信息处理技术领域，提供一种面向对流风暴精细结构的三维雷达回波临近预报方法，包括如下步骤：获取分析区域的基本反射率因子数据，通过质控和插值，建立分析区域的高分辨率三维雷达回波数据集；根据高分辨率三维雷达回波数据集，采用SwinURNN3D融合框架，训练得到最优三维雷达回波临近预报模型；以最临近三维雷达反射率数据序列作为最优三维雷达回波临近预报模型输入，输出预测的三维雷达反射率因子序列。本发明建立了包含多垂直层的三维雷达回波数据集作为模型输入，解决了现有技术中单一层次雷达回波临近预报不能反映对流风暴结构的问题。

公开(公告)号：CN119575518A

公开(公告)日：2025-03-07

申请号：CN202510060598.1

申请日：2025-01-15

Applicant: 江苏省气象台

Inventor： 庄潇然 ,  朱浩楠 ,  刘寅 ,  王啸华 ,  曾康 ,  吴海英 ,  冯宇轩 ,  丁志成

IPC: G01W1/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0985

Abstract: 本发明公开一种物理约束的分钟百米级阵风融合临近预报方法，包括：建立预报网格；建立雷达组合反射率数据集、地面瞬时风速数据集和闪电密度数据集；构建用于对流性大风临近预报的模型框架，进行模型训练，结合阵风系数生成对流性阵风最优临近预报模型；得到未来的对流性阵风临近预报结果；采用多重网格变分同化方法，将数值模型阵风预报结果和对流性阵风临近预报结果融合，生成物理约束的融合阵风预报结果；生成气象初值，再利用风场快速诊断模型，得到订正后的融合预报风场。本发明综合高分辨率模式和深度学习临近预报的百米级融合阵风临近预报技术，通过模式物理约束强化了混合性阵风的预报能力，提升了预报结果的空间精细度水平。

公开(公告)号：CN118153786B

公开(公告)日：2024-08-06

申请号：CN202410579397.8

申请日：2024-05-11

Applicant: 江苏省气象台

Inventor： 庄潇然 ,  郑玉 ,  曾康 ,  冯宇轩 ,  郑媛媛 ,  王啸华 ,  李特

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开一种基于深度学习的对流性大风短时预报方法及系统，涉及对流性大风预报技术领域。包括获取待预报地区历史地面自动站观测资料数据与对应时间段的区域数值模式未来预报变量，并对数据进行预处理，建立待预报地区的对流性大风短时预报数据集，以建立的所述流性大风短时预报数据集，基于PhyDNet的深度学习网络，训练生成对流性大风短时预报模型，利用训练生成的对流性大风短时预报模型，输入待预报地区临近预报时间的地面观测资料数据和区域数值模式未来的预报变量，生成该区域的对流性大风短时预报。本发明提出的预报方法，能缩短对流性大风的预报时间，提高预报的准确度以提高对流性大风的预报能力，减少因自然灾害带来的损失。

公开(公告)号：CN118153786A

公开(公告)日：2024-06-07

申请号：CN202410579397.8

申请日：2024-05-11

Applicant: 江苏省气象台

Inventor： 庄潇然 ,  郑玉 ,  曾康 ,  冯宇轩 ,  郑媛媛 ,  王啸华 ,  李特

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/214 ,  G06F18/2415

Abstract: 本发明公开一种基于深度学习的对流性大风短时预报方法及系统，涉及对流性大风预报技术领域。包括获取待预报地区历史地面自动站观测资料数据与对应时间段的区域数值模式未来预报变量，并对数据进行预处理，建立待预报地区的对流性大风短时预报数据集，以建立的所述流性大风短时预报数据集，基于PhyDNet的深度学习网络，训练生成对流性大风短时预报模型，利用训练生成的对流性大风短时预报模型，输入待预报地区临近预报时间的地面观测资料数据和区域数值模式未来的预报变量，生成该区域的对流性大风短时预报。本发明提出的预报方法，能缩短对流性大风的预报时间，提高预报的准确度以提高对流性大风的预报能力，减少因自然灾害带来的损失。