基于全天候观测误差协方差矩阵的数值天气预报方法

    公开(公告)号:CN114037125A

    公开(公告)日:2022-02-11

    申请号:CN202111209618.5

    申请日:2021-10-18

    摘要: 本发明公开了基于全天候观测误差协方差矩阵的数值天气预报方法,步骤包括:对红外高光谱观测资料进行同化,构造观测误差协方差矩阵,并进行分解和求逆计算,得到观测误差相关矩阵;将观测误差相关矩阵用代价函数实现;将模拟的有云辐射率与观测辐射率分别和晴空辐射率计算偏差,获得背景场的云辐射率和观测包含的云辐射率和云特征函数;构造不同通道的膨胀因子,由膨胀因子构成对角化的膨胀矩阵;将云特征函数和云量函数带入代价函数,在同化系统中计算新构造的代价函数及其梯度,并极小化解求解最优分析场,根据最优分析场进行数值天气预报。本发明可针对全天候气象有效利用观测误差相关对红外高光谱资料进行同化。

    基于变分同化框架的智能资料同化方法

    公开(公告)号:CN112464567A

    公开(公告)日:2021-03-09

    申请号:CN202011420985.5

    申请日:2020-12-08

    摘要: 本发明公开一种基于变分同化框架的智能资料同化方法,S1用同化窗前半部分数据进行分析,用后半部分数据修正同化时间窗[t1,tn]中间的分析场,确定当前时刻的分析场的优化,S2使用第一个多层感知器替换同化的过程,根据历史和未来的数据分析并得到S3将之前的训练数据集与叠加,训练下一个多层感知器,得到相当于在一个数据同化周期内模拟预测模型进行短期预测;S4进行迭代训练,重复S2与S3的过程,在ct前的环节中,每一个环节都会生成一个新的来替换之前的形成新的训练数据集,直到ct前的被完全替换,后面的训练数据集中的背景信息只由提供。

    基于三重多层感知机的数值天气预报混合资料同化方法

    公开(公告)号:CN111783361A

    公开(公告)日:2020-10-16

    申请号:CN202010646132.7

    申请日:2020-07-07

    摘要: 本发明公开了基于三重多层感知机的数值天气预报混合资料同化方法,包括以下步骤:建立基于三维变分资料同化方法的第一感知机模型,并对第一感知机模型进行训练;建立基于集合卡尔曼滤波器资料同化方法的第二感知机模型,并对第二感知机模型进行训练;建立混合同化的第三感知机模型;对第三感知机模型进行训练;使用训练好的第一感知机模型、第二感知机模型和第三感知机模型来计算获得分析场数据。本发明方法利用大气运动的物理规律和大气状态变量的时间特性,对传统的资料同化方法进行模拟、优化和混合,充分考虑了大气变量的流依赖,以此引入大气数据本身所包含的时间特征,使得本发明方法的同化性能较传统方法得到有效提升。

    一种基于轻量化预测模型的降水预报方法和预报系统

    公开(公告)号:CN117390954A

    公开(公告)日:2024-01-12

    申请号:CN202311237129.X

    申请日:2023-09-22

    摘要: 本申请实施例涉及一种基于轻量化预测模型的降水预报方法,方法采用VIL图像作为输入数据,并设置一个新预测模型,预测模型中的编码器和解码器设置有多个堆叠的视觉transformer,视觉transformer由级联的多头平方注意力以及前馈神经网络组成,多头平方注意力首先使用无偏差的层归一化改善反向传播过程中的信息流动性,加速训练收敛,然后通过对特征张量执行点逐元卷积和深度卷积有效地将所有输入通道的信息进行结合,减少了模型的整体参数量;方法通过视觉transformer模拟降水事件的长期演变,结合多头平方注意力模拟降水事件的高度非线性关系,同时降低计算的复杂性,在长期预测和回波高值区域预测两方面相较于现有的深度学习模型展现出更大的优势。

    基于深度学习的混合数据同化方法

    公开(公告)号:CN114819107A

    公开(公告)日:2022-07-29

    申请号:CN202210623934.5

    申请日:2022-06-02

    IPC分类号: G06N3/04 G06N3/08

    摘要: 本发明公开了基于深度学习的混合数据同化方法,包括建立基于BNN模型的预测模型,预测模型包括BNN模型和四阶龙格‑库塔积分法;BNN模型包括第一卷积层、双线性层和第二卷积层;第一卷积层的卷积核的数量为5,第二卷积层的卷积核的数量为1;通过预测模型获得4DVar部分中的切线线性伴随模型,采用ResNet来融合4DVar和EnKF,以减少人为选择经验系数带来的不确定性。本发明降低了开发切线性伴随模型的难度,扩大了深度学习的应用范围,利用ResNet模型来耦合4DVar和EnKF,提高了同化结果的准确性,节省了寻找最优系数的时间。

    基于三重多层感知机的数值天气预报混合资料同化方法

    公开(公告)号:CN111783361B

    公开(公告)日:2021-03-12

    申请号:CN202010646132.7

    申请日:2020-07-07

    摘要: 本发明公开了基于三重多层感知机的数值天气预报混合资料同化方法,包括以下步骤:建立基于三维变分资料同化方法的第一感知机模型,并对第一感知机模型进行训练;建立基于集合卡尔曼滤波器资料同化方法的第二感知机模型,并对第二感知机模型进行训练;建立混合同化的第三感知机模型;对第三感知机模型进行训练;使用训练好的第一感知机模型、第二感知机模型和第三感知机模型来计算获得分析场数据。本发明方法利用大气运动的物理规律和大气状态变量的时间特性,对传统的资料同化方法进行模拟、优化和混合,充分考虑了大气变量的流依赖,以此引入大气数据本身所包含的时间特征,使得本发明方法的同化性能较传统方法得到有效提升。

    一种变分同化系统中自适应方差缩放方法

    公开(公告)号:CN118070661A

    公开(公告)日:2024-05-24

    申请号:CN202410233642.X

    申请日:2024-03-01

    摘要: 本发明属于天气预报领域,公开了一种变分同化系统中自适应方差缩放方法,包括以下步骤:构建强化学习模型,强化学习模型包括Actor网络和Critic网络,Actor网络使用策略函数,根据t时刻的状态,输出每个动作的概率,根据概率选择合适的动作,与环境交互,得到下一个状态和奖励函数;Critic网络评估状态和动作对的价值,并向Actor网络反馈,以帮助Actor网络提高其性能,完成训练;输出最终的缩放因子。本申请在优化方差地同时记忆与数值模式结构相关的信息,从而得到与数值模式结构更一致的分析场,以此作为初始状态,有助于数值预报模式得到更可靠的预测结果。

    一种基于水声信号的舰船目标识别方法和系统

    公开(公告)号:CN117454240A

    公开(公告)日:2024-01-26

    申请号:CN202311192186.0

    申请日:2023-09-15

    摘要: 本发明公开了一种基于水声信号的舰船目标识别方法和系统,方法首先提取了水声信号的多种表示形式,每种表示形式侧重于不同的频率分量,丰富了特征表示;其次以提取关注不同频率分量的时频谱特征,作用于后续的模型识别的输入数据;然后在模型识别中,采用部署了多个连续的基于注意力的多尺度卷积块来学习与识别不同类别的舰船的水声信号相关的关键特征,具体是利用一组具有不同内核的并行残差卷积块来捕获多尺度特征,以进一步学习不同尺度的光谱空间判别特征,然后采用自适应通道注意模块来突出全局特征中的主导部分并抑制干扰噪声;最后基于模型准确和高效的输出水声信号中舰船的类别。本发明能够提升舰船识别的准确度。

    一种水声信号降噪方法、系统、设备及存储介质

    公开(公告)号:CN115359771B

    公开(公告)日:2023-07-07

    申请号:CN202210868441.8

    申请日:2022-07-22

    摘要: 本发明公开了一种水声信号降噪方法、系统、设备及存储介质,包括获取带噪音频,从带噪音频中提取出带噪音频复数频谱,通过编码器对带噪音频复数频谱进行降采样,再通过第一自注意力模块学习复数频谱在时间维度上的第一特征,并通过第二自注意力模块学习复数频谱在频率维度上的第二特征,融合第一特征和第二特征,通过解码器对融合特征进行上采样,得到降噪音频复数频谱,将降噪音频复数频谱转换为降噪音频,通过分别从特征的时间维度和频率维度捕获特征的长期依赖和局部依赖关系,两条分支通过信息交互互补信息,增强了模块的表达能力,提高了学习带噪音频复数频谱的时频谱特征的准确性,有效的抑制了噪声信号的干扰,提高了降噪性能。