-
公开(公告)号：CN118780418A
公开(公告)日：2024-10-15
申请号：CN202410775325.0
申请日：2024-06-17
申请人： 南京航空航天大学 , 南京气象科技创新研究院
IPC分类号： G06Q10/04 , G06F18/21 , G06F18/213 , G06F17/11 , G06Q50/26
摘要： 本发明公开了一种基于云分辨尺度数值预报模式的飞机积冰过冷水预报方法，获取包括地面探空观测、卫星观测的云微物理反演数据的飞机积冰综合观测数据集；结合飞机积冰观测综合数据集，分析数值预报模式对飞机积冰云内大气热力学特性的再现能力；并开展飞机积冰云宏观特性的客观定量评估；选择客观定量评估结果最好的云分辨模式预报配置及模式输出，构建飞机积冰过冷水的定量显示预报产品；对飞机积冰过冷水显示预报产品进行可视化展示。本发明基于云分辨数值预报模式，直接针对造成飞机积冰的过冷水开展显示预报，并结合多源观测验证过冷水显示预报准确率，能切实提高飞机积冰的预报预警能力，对保障飞行安全具有重要意义。
-
公开(公告)号：CN118210086B
公开(公告)日：2024-08-30
申请号：CN202410635937.X
申请日：2024-05-22
申请人： 南京气象科技创新研究院
IPC分类号： G01W1/10
摘要： 本发明涉及数值天气预报技术领域，具体公开一种基于湿位涡的集合预报扰动方法，包括如下步骤：设定扰动循环参数；S200、开始扰动循环，对集合预报成员进行扰动，生成湿位涡扰动预报集合；将全部扰动后集合预报成员预报到下一个扰动循环时刻，生成下一个扰动循环时刻的模式预报场，再次执行步骤S200，反复循环，直至遍历完所有扰动循环时刻。本发明基于湿位涡的集合预报扰动方法能够有效影响模式预报的对流不稳定与斜压不稳定环境，从而减小当模式预报的不稳定环境存在偏差时导致的扰动增长与实际误差演变的差异，改进集合预报效果，提高预报技巧评分。
-
公开(公告)号：CN118503616A
公开(公告)日：2024-08-16
申请号：CN202410951221.0
申请日：2024-07-16
申请人： 南京气象科技创新研究院
IPC分类号： G06F17/18 , G06F18/15 , G06F18/2131 , G06F18/214 , G06F18/231 , G06F18/2431 , G01W1/10
摘要： 本发明属于大气科学技术领域，具体公开一种基于局地天气类型的局地背景误差协方差统计调用方法，针对传统静态背景误差协方差不能适应实时天气状态，动态背景误差协方差出现较大偏差的情况进行改进。本发明将根据当前观测结构调用历史统计中与观测相似的场景对应的背景误差协方差，避免预报偏差较大时集合统计的动态背景误差协方差代表性严重不足的问题。本发明将统计各个局地对应的天气类型，调用与各格点邻近区域天气类型相似的局地样本，确保各个地区的天气系统都有与之相匹配的背景误差协方差。
-
公开(公告)号：CN118501986A
公开(公告)日：2024-08-16
申请号：CN202410957391.X
申请日：2024-07-17
申请人： 南京气象科技创新研究院
摘要： 本发明涉及大气科学研究领域，具体公开了一种基于多模式集成的灾害性大风空间结构预报改进方法。其包括如下步骤：对预报区域内的观测以及模式预报灾害性大风对象进行识别；分别计算识别出的观测场和模式预报场中灾害性大风对象的属性；将观测场中的灾害性大风对象与模式预报场中的灾害性大风对象进行匹配；并评估观测场与模式预报场中所有灾害性大风对象的整体空间相似度；以观测场与模式预报场中所有灾害性大风对象的空间相似度为权重，构建多模式集成预报模型。本发明通过分析灾害性大风的空间结构特征并改进多模式集成模型权重的计算方法，从而提高灾害性大风空间结构的数值预报技巧。
-
公开(公告)号：CN118332511A
公开(公告)日：2024-07-12
申请号：CN202410292076.X
申请日：2024-03-14
申请人： 南通大学 , 南京气象科技创新研究院
IPC分类号： G06F18/27 , G06F18/21 , G06N3/0442 , G06N3/086 , B23K9/095
摘要： 本发明公开了一种基于LSTM‑HHO‑SVR的水下激光焊接质量稳定性预测方法，包括如下步骤：S1、数据收集和预处理；S2、划分数据集；S3、LSTM网络构建；S4、SVR模型构建；S5、HHO算法优化SVR参数；S6、模型训练与验证；S7、模型测试与评估。本发明通过综合时间序列分析、非线性数据拟合和优化算法的优势，为解决水下焊接质量预测的复杂问题提供了一个强大的工具，能够提高预测的准确性和可靠性，从而在实际的生产环境中提高水下焊接质量的稳定性。
-
公开(公告)号：CN118243683A
公开(公告)日：2024-06-25
申请号：CN202410651737.3
申请日：2024-05-24
申请人： 南京气象科技创新研究院
摘要： 本发明涉及气象探测技术领域。具体是基于神经网络的一维激光雨滴谱仪观测订正方法，主要包括步骤：收集一维激光雨滴谱仪和二维视频雨滴谱仪历史观测数据，并对收集的数据进行质量控制，形成数据集；采用tensorflow框架中预设的DNNRegressor建立深度学习模型，以S100形成的数据集进行训练，获得训练好的一维激光雨滴谱仪订正模型；将新获取的一维激光雨滴谱仪观测数据，输入一维激光雨滴谱仪订正模型，获取订正后的一维激光雨滴谱仪雨滴谱数据。本发明能够明显改进PARSIVEL数据订正效果，获取更准确的雨滴谱分布数据，提高其定量应用价值。
-
公开(公告)号：CN117953193B
公开(公告)日：2024-06-11
申请号：CN202410346549.X
申请日：2024-03-26
申请人： 南京气象科技创新研究院
摘要： 本发明公开了一种极轨气象卫星微波成像仪资料地理定位误差的估计方法，包括如下步骤：步骤一、对极轨气象卫星遥感资料进行预处理，极轨气象卫星遥感资料包括微波成像仪观测数据以及中分辨率光谱成像仪观测数据；步骤二、选定两个观测区域：观测区域处于具有强烈的亮温差异特征的海陆交界处，并在南、北半球各建立一个；步骤三、在两个观测区域中分别识别出各自区域内的晴空观测视场：基于晴空视场识别算法，识别出各扫描线上连续分布的晴空观测视场；步骤四、分别获取两个观测区域的海岸线计算位置；步骤五、估计地理定位误差。由此可见，本发明降低云污染对地理定位误差估计的影响，提高了地理定位误差估计的准确度。
-
公开(公告)号：CN117908166B
公开(公告)日：2024-05-24
申请号：CN202410303465.8
申请日：2024-03-18
申请人： 南京气象科技创新研究院
摘要： 本发明涉及天气预报技术领域，具体公开一种基于机器学习的强降水超级单体识别预警方法，包括如下步骤：选取强降水超级单体个例，并筛选出各强降水超级单体个例对应的风暴特征参数，由此形成特征数据集；依据特征数据集，采用基于CatBoost的框架，训练获得强降水超级单体识别预警模型；将待识别区域的天气雷达组网观测数据、地形数据以及下垫面数据输入所述强降水超级单体识别预警模型，获得识别结果，在识别结果超出设定阈值时，判断有强降水超级单体发生可能性。本发明融合多源数据，结合CatBoost机器学习算法，能够准确、快速识别和预警强降水超级单体风暴，这对于减少由于强降水超级单体引起的天气灾害的影响尤为重要。
-
公开(公告)号：CN117290810B
公开(公告)日：2024-02-02
申请号：CN202311584724.0
申请日：2023-11-27
申请人： 南京气象科技创新研究院
IPC分类号： G06F18/25 , G01W1/10 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/08
摘要： 明可以大幅提升对短时强降水的概率预测能力。本发明公开了一种基于循环卷积神经网络的短时强降水概率预报融合方法，涉及大气科学研究领域，包括如下步骤：步骤一、建立降水短时预测的融合数据集，并将融合数据集划分为降水短时预测训练集、验证集和测试集；步骤二、使用步骤一中的降水短时预测训练集和验证集，训练出基于循环卷积神经网络的降水时序预测模型；采用训练出的基于循环卷积神经网络的降水时序预测模型，获取未来6‑18小时的小时降水量时空预报结果；步骤三、采用步骤二中得到的降水(56)对比文件庄潇然 等.基于深度学习的融合降水临近预报方法及其在中国东部地区的应用研究 《.气象学报》.2023,286-303.郑玉 等.基于循环神经网络改进雷达定量估测强降水《.中国科技论文》.2020,第15卷(第5期),585-592.WU Zhi-peng 等.A COMBINEDVERIFICATION METHOD FOR PREDICTABILITY OFPERSISTENT HEAVY RAINFALL EVENTS OVEREAST ASIA BASED ON ENSEMBLE FORECAST.《JOURNAL OF TROPICAL METEOROLOGY》.2020,1-12.Xiaoran Zhuang 等.SpatialPredictability of Heavy Rainfall Eventsin East China and the Application ofSpatial-Based Methods of ProbabilisticForecasting《.atmosphere》.2019,1-19.Angelica N. Caseri 等.A convolutionalrecurrent neural network for strongconvective rainfall nowcasting usingweather radar data in SoutheasternBrazil《.Artificial Intelligence inGeosciences》.2022,1-6.
-
公开(公告)号：CN117290810A
公开(公告)日：2023-12-26
申请号：CN202311584724.0
申请日：2023-11-27
申请人： 南京气象科技创新研究院
IPC分类号： G06F18/25 , G01W1/10 , G06F18/241 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种基于循环卷积神经网络的短时强降水概率预报融合方法，涉及大气科学研究领域，包括如下步骤：步骤一、建立降水短时预测的融合数据集，并将融合数据集划分为降水短时预测训练集、验证集和测试集；步骤二、使用步骤一中的降水短时预测训练集和验证集，训练出基于循环卷积神经网络的降水时序预测模型；采用训练出的基于循环卷积神经网络的降水时序预测模型，获取未来6‑18小时的小时降水量时空预报结果；步骤三、采用步骤二中得到的降水时空预测结果，对LightGBM分类模型进行训练，得到短时强降水分类模型，获取未来6‑18小时的逐小时的短时强降水事件的概率预测结果。本发明可以大幅提升对短时强降水的概率预测能力。
-
-
-
-
-
-
-
-
-
搜索结果
142 条记录 (耗时 0.049 秒)
