公开(公告)号：CN113469278A

公开(公告)日：2021-10-01

申请号：CN202110829014.4

申请日：2021-07-22

Applicant: 湖北省气象信息与技术保障中心

Inventor： 秦运龙 ,  张冰松 ,  许玮 ,  王迎迎 ,  陈良华 ,  吴涛

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法，包括以下步骤：数据集收集；数据集构建；模型构建；模型训练与验证；模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理，能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电)，并框选出目标位置和置信度，对于图像中发生强天气现象的检测准确率更是高达96％以上，漏检率为0，能够对实况图像中强天气现象做出及时有效的告警，为第一时间决策服务提供有力的实况警报信息，减少天气灾害的损失。

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

Inventor： 张玉松 ,  蔡明 ,  李波 ,  周保红 ,  张冰松 ,  陈良华 ,  杨维发 ,  徐卫立 ,  许玮 ,  涂杰

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：CN113469278B

公开(公告)日：2022-05-20

申请号：CN202110829014.4

申请日：2021-07-22

Applicant: 湖北省气象信息与技术保障中心

Inventor： 秦运龙 ,  张冰松 ,  许玮 ,  王迎迎 ,  陈良华 ,  吴涛

IPC: G06V10/774 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度卷积神经网络的强天气目标识别方法，包括以下步骤：数据集收集；数据集构建；模型构建；模型训练与验证；模型测试。本发明的一种基于深度卷积神经网络的强天气目标识别方法设计合理，能够有效检测出图像、视频中强天气个体目标(龙卷、冰雹、雷电)，并框选出目标位置和置信度，对于图像中发生强天气现象的检测准确率更是高达96％以上，漏检率为0，能够对实况图像中强天气现象做出及时有效的告警，为第一时间决策服务提供有力的实况警报信息，减少天气灾害的损失。