-
公开(公告)号:CN116432032A
公开(公告)日:2023-07-14
申请号:CN202310400212.8
申请日:2023-04-12
Applicant: 湖北省气象信息与技术保障中心
IPC: G06F18/214 , G06F18/243 , G06N20/20 , G06N5/01
Abstract: 本发明提供了一种基于多源数据和机器学习的气象数据异常事件识别方法。在进行地面气象数据质量异常事件的识别时,引入了地理信息数据、地面相关气象数据及累年气候标准值这些多源数据;利用当前站点及其周边邻近站的多源数据建立特征向量,使用两种机器学习算法构建气象要素偏差估计模型,计算站点各气象要素值的偏差序列,并通过统计方法得到站点各气象要素的平均偏差、偏差标准差、日评估因子、持续时间等事件统计特征;通过对事件统计特征的分析,构建质量异常事件划分指标,进而确定异常事件类型,达到识别气象数据质量异常事件的目的,可对地面气象数据长期质量问题进行实时监测,对提升地面气象数据质量和促进气象站点仪器维护具有较好的支撑作用。
-
公开(公告)号:CN117235632A
公开(公告)日:2023-12-15
申请号:CN202311030768.9
申请日:2023-08-15
Applicant: 中国长江电力股份有限公司 , 湖北省气象信息与技术保障中心
IPC: G06F18/243 , G01W1/02 , G06F18/214 , G06N3/0895
Abstract: 本发明公开一种大型蒸发传感器水位异常数据检测方法,其特征在于:它包括如下步骤:S1:获取因子数据;所述因子数据包括物理量场因子数据和被检测对象数据;S2:对因子数据进行特征萃取,得到萃取后的数据;S3:建立孤立森林异常检测模型,使用萃取后的数据进行训练;S4:孤立森林异常检测模型参数调优;使用最优参数重复S3对模型进行训练;S5:使用得到的异常检测模型对被检测对象数据进行检测,得出检测结果;本发明克服传统检测方法因为异常因子样本数目不足而造成的模型泛化能力下降问题,同时采用Pseudo‑labeling半监督学习和permutation特征筛选方法相结合的方式产生伪异常标签的特征因子用于模型训练,避免模型泛化能力下降。
-
公开(公告)号:CN308594619S
公开(公告)日:2024-04-19
申请号:CN202330445043.0
申请日:2023-07-17
Applicant: 湖北省气象信息与技术保障中心
Abstract: 1.本外观设计产品的名称:带水文天气预报会商用户界面的显示屏幕面板。
2.本外观设计产品的用途:该显示屏幕面板用于显示信息,该显示屏幕面板可用于手机、电脑。
3.本外观设计产品的设计要点:在于显示屏幕面板中显示的图形用户界面。
4.最能表明设计要点的图片或照片:主视图。
5.无设计要点,省略后视图;无设计要点,省略左视图;无设计要点,省略右视图;无设计要点,省略仰视图;无设计要点,省略俯视图。
6.其他需要说明的情形其他说明:图形用户界面的用途:用于水文天气预报会商,用户通过点击界面中的按钮启动相关功能进行气象信息显示,界面模块排列顺序符合预报会商要求和习惯,天气实况、短中期降水预报、延伸期降水预报等模块中的高度场、预报时长色斑图等,均满足预报员习惯与预报要求,点击“长江流域雷达拼图”模块显示界面变化状态图的视图。
-
-