-
公开(公告)号：CN119089668A
公开(公告)日：2024-12-06
申请号：CN202411138810.3
申请日：2024-08-19
Applicant: 江苏省气象台 , 南京气象科技创新研究院
Abstract: 本发明涉及垂直切变基流地形重力波参数化，具体涉及一种数值模式垂直切变基流地形重力波参数化评估方法。本发明的数值模式垂直切变基流地形重力波参数化评估方法通过垂直切变基流地形重力波解析解，研发了数值模式中的考虑垂直切变效应的地形重力波参数化新方案，能够表征垂直切变效应，从而更好地刻画数值模式中地形重力波动量通量的分布；通过考虑垂直切变效应，从而能够更好地刻画大尺度环流场的基本特征，进一步提高数值模式的模拟效果。
-
Patent Agency Ranking
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
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：CN119916374A
公开(公告)日：2025-05-02
申请号：CN202510408689.X
申请日：2025-04-02
Applicant: 江苏省气象台
IPC: G01S13/95 , G01S7/41 , G06F30/27 , G06F30/23 , G06T17/20 , G06F18/25 , G06N3/006 , G06F113/08 , G06F119/14 , G06F111/10 , G06F119/08
Abstract: 本发明公开了基于风廓线雷达垂直观测的低空大气三维风场反演方法，涉及三维风场反演技术领域，为了解决在风场反演过程中模型参数不准确，导致反演效果不佳的问题，本申请通过差异分析涵盖了均方根误差、相关系数和绝对误差，从多个角度评估了模拟数据与实际观测数据的差异，提供了全面的优化依据，采用粒子群优化法进行参数计算优化，具有收敛速度快、全局搜索能力强的特点，适用于复杂问题的优化，根据风场反演规则确认模型要求，并结合模型库的评估结果选择模型，确保了所选模型具有高度的针对性和适用性，有助于提高模型的预测精度和可靠性，利用风场融合数据进行模型初始化，充分融合了多种来源的数据信息，提高了数据的全面性和准确性。
-
公开(公告)号：CN119068427A
公开(公告)日：2024-12-03
申请号：CN202411570869.X
申请日：2024-11-06
IPC: G06V20/52 , G06V20/40 , G06V10/22 , G06V10/44 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种监控视频与双偏振雷达融合的地面降水相态识别方法，包括：对于给定观测区域，从地面监控相机拍摄的视频中识别降水相态类型；将监控相机与区域的双偏振雷达影像图坐标匹配，逐一获取相机所处位置的像素；将获得的像素作为图模型的顶点，以相机之间的空间距离为约束建立图模型顶点的连接规则，并将像素的双偏振雷达系列回波参数作为顶点特征值生成图模型；将图模型作为输入，将视频同步识别的降水相态类型作为真值标签，构建监控相机与双偏振雷达融合的地表降水相态识别图卷积神经网络，用于地面降水相态识别。本发明将监控相机与与双偏振雷达有机结合，形成“地‑空”融合的地表降水相态判别新策略，提高地面降水相态识别的准确性。
-
公开(公告)号：CN119066984B
公开(公告)日：2025-02-28
申请号：CN202411548741.3
申请日：2024-11-01
Applicant: 江苏省气象台
IPC: G06F30/27 , G06F30/28 , G06N20/00 , G06F111/10 , G06F113/08 , G06F119/14 , G06F111/08
Abstract: 本发明公开一种基于机器学习的数值预报高阶湍流参数化处理方法，该方法利用大涡模拟提取云物理过程中湍流垂直运动的分布特征，构建包含大气动力学物理机制的机器学习训练数据集；根据数据集，采用期望最大化算法获取湍流垂直运动的双高斯概率密度函数，将获得双高斯概率密度函数的混合权重与大涡模拟中垂直速度的偏度进行拟合，获得数值预报参数化中所需的概率密度函数混合权重与偏度关系式；根据混合权重与偏度关系式构建数值预报模式湍流运动参数化方程。本发明显著提升了与该大气物理过程相关的低云云量模拟准确性。
-
公开(公告)号：CN119066984A
公开(公告)日：2024-12-03
申请号：CN202411548741.3
申请日：2024-11-01
Applicant: 江苏省气象台
IPC: G06F30/27 , G06F30/28 , G06N20/00 , G06F111/10 , G06F113/08 , G06F119/14 , G06F111/08
Abstract: 本发明公开一种基于机器学习的数值预报高阶湍流参数化处理方法，该方法利用大涡模拟提取云物理过程中湍流垂直运动的分布特征，构建包含大气动力学物理机制的机器学习训练数据集；根据数据集，采用期望最大化算法获取湍流垂直运动的双高斯概率密度函数，将获得双高斯概率密度函数的混合权重与大涡模拟中垂直速度的偏度进行拟合，获得数值预报参数化中所需的概率密度函数混合权重与偏度关系式；根据混合权重与偏度关系式构建数值预报模式湍流运动参数化方程。本发明显著提升了与该大气物理过程相关的低云云量模拟准确性。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
