-
公开(公告)号：CN112446419B
公开(公告)日：2023-07-11
申请号：CN202011176831.6
申请日：2020-10-29
申请人： 中山大学 , 中国气象局广州热带海洋气象研究所(广东省气象科学研究所)
IPC分类号： G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/08
摘要： 本发明为基于注意力机制的时空神经网络雷达回波外推预报方法，包括：对雷达回波图像数据去除部分噪声，并选择出有效数据段，对数据段归一化和拆分后，划分为训练序列样本集和测试序列样本集；构建及训练Att‑ConvLSTM网络，对雷达回波序列样本的图像根据预设的切片因子进行切片，调整图像的维度，然后输入到基于注意力机制的时空预测神经网络，通过多层网络的前向传播，利用反向传播更新网络权重；利用训练好的Att‑ConvLSTM网络以及测试序列样本集进行预测，得到最终的外推图像序列。本发明克服了现有技术对空间信息提取不足、预报时效短的缺点，实现了准确度更高的雷达回波外推预测。
-
公开(公告)号：CN113012285B
公开(公告)日：2023-12-01
申请号：CN202110137795.0
申请日：2021-02-01
摘要： 本发明涉及一种针对南海台风分尺度混合的涡旋初始场构造方法，其步骤为：结合台风观测信息和高分辨再分析场建立台风样本库；通过样本库结合南海台风模式和数值模拟选择最优样本；最优样本结合台风的大风半径、风速提取三种强度台风涡旋环流，获取合成涡旋模型；对高分辨再分析场和合成涡旋模型分别进行滤波，把两个场的各要素分离成大尺度平均场和小尺度扰动场；将高分辨再分析场的小尺度扰动场和合成涡旋模型的小尺度扰动场以一定权重进行叠加，得到最终小尺度扰动量；将最终小尺度扰动量和高分辨再分析场分离出的大尺度平均场相加得到涡旋初始场，保留大尺度环境场主要特点，又保留特定台风涡旋个性特征，引入南海台风涡旋结构共性特征。
-
公开(公告)号：CN113012285A
公开(公告)日：2021-06-22
申请号：CN202110137795.0
申请日：2021-02-01
摘要： 本发明涉及一种针对南海台风分尺度混合的涡旋初始场构造方法，其步骤为：结合台风观测信息和高分辨再分析场建立台风样本库；通过样本库结合南海台风模式和数值模拟选择最优样本；最优样本结合台风的大风半径、风速提取三种强度台风涡旋环流，获取合成涡旋模型；对高分辨再分析场和合成涡旋模型分别进行滤波，把两个场的各要素分离成大尺度平均场和小尺度扰动场；将高分辨再分析场的小尺度扰动场和合成涡旋模型的小尺度扰动场以一定权重进行叠加，得到最终小尺度扰动量；将最终小尺度扰动量和高分辨再分析场分离出的大尺度平均场相加得到涡旋初始场，保留大尺度环境场主要特点，又保留特定台风涡旋个性特征，引入南海台风涡旋结构共性特征。
-
公开(公告)号：CN112446419A
公开(公告)日：2021-03-05
申请号：CN202011176831.6
申请日：2020-10-29
申请人： 中山大学 , 中国气象局广州热带海洋气象研究所(广东省气象科学研究所)
摘要： 本发明为基于注意力机制的时空神经网络雷达回波外推预报方法，包括：对雷达回波图像数据去除部分噪声，并选择出有效数据段，对数据段归一化和拆分后，划分为训练序列样本集和测试序列样本集；构建及训练Att‑ConvLSTM网络，对雷达回波序列样本的图像根据预设的切片因子进行切片，调整图像的维度，然后输入到基于注意力机制的时空预测神经网络，通过多层网络的前向传播，利用反向传播更新网络权重；利用训练好的Att‑ConvLSTM网络以及测试序列样本集进行预测，得到最终的外推图像序列。本发明克服了现有技术对空间信息提取不足、预报时效短的缺点，实现了准确度更高的雷达回波外推预测。
-
-
-
搜索结果
4 条记录 (耗时 0.047 秒)
