-
公开(公告)号:CN117849902A
公开(公告)日:2024-04-09
申请号:CN202311585301.0
申请日:2023-11-27
申请人: 中国长江电力股份有限公司 , 武汉区域气候中心
IPC分类号: G01W1/10 , G01W1/14 , G06T3/4007 , G06T3/4046 , G06T3/4053 , G06N3/08 , G06N7/01
摘要: 本发明公开一种时空双订正高分辨次季节网格集合降水预报释用方法,其特征在于:它包括如下步骤:步骤1.基于深度学习超分辨方法的历史高分辨率网格降水重建;步骤2.模式多样本数据的逐日降水预报线性集合预报;步骤3.基于概率密度订正的单网格点时序订正方法;步骤4.基于核密度估计的空间网格降水的空间订正;步骤5.基于深度学习超分辨率的逐日网格降水生成;步骤6.深度学习超分辨率的11‑60天逐候网格降水日、候、旬预报;本发明解决了目前模式输出的降水预报误差大,网格分辨率粗,业务中难以使用等问题。
-
公开(公告)号:CN113988150A
公开(公告)日:2022-01-28
申请号:CN202111063403.7
申请日:2021-09-10
摘要: 本发明提供了一种监督学习与非监督学习结合的因子提取气候特征方法,包括:获取因子的历史数据;所述因子的历史数据包括物理量场因子的历史数据和预报对象的历史数据;对因子的历史数据进行标准化,得到标准化后的数据;对标准化后的数据采用监督学习回归类作分析,提取其均方误差场;对标准化后的数据采用相关系数类作分析,提取其相关系数场;获取均方误差场的预报因子集;获取相关系数场的预报因子集;将均方误差场的预报因子集和相关系数场的预报因子集合并,得到多因子序列。本发明的有益效果:避免了大范围提取因子时,总体高相关和高影响的区域会掩盖掉较低影响区域的信息;避免过多丢弃了与整体场要素模态不一致的低信号信息。
-