-
公开(公告)号：CN117312832B
公开(公告)日：2024-07-12
申请号：CN202311594604.9
申请日：2023-11-28
IPC分类号： G06F18/213 , G01W1/10 , G06F17/18 , G06F17/14 , G06F18/241 , G06N3/0499 , G06N3/0464 , G06N3/08
摘要： 本发明提出了一种基于深度序列模型的中长期云量预测方法及系统，属于气象预测技术领域，将预测位置的历史气象数据输入基于趋势分解和周期增强的预测分支模块，将预测位置附近区域的历史气象数据输入天气系统提取模块；将基于趋势分解和周期增强的预测分支模块的多个基本块堆叠得到基于趋势分解与周期增强的预测分支模块的输出；将基于趋势分解和周期增强的预测分支模块的输出和天气系统提取模块的输出在通道维度进行向量拼接后作为预测投影模块的输入，预测投影模块将输入向量投影成指定的形状，得到最终的预测结果。本发明利用预测位置附近区域的历史气象条件辅助云量预测，更符合现实情况与气象规律。
-
公开(公告)号：CN118230174A
公开(公告)日：2024-06-21
申请号：CN202410634168.1
申请日：2024-05-22
IPC分类号： G06V20/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
摘要： 本发明提出了一种基于序列信息挖掘的遥感图像序列云检测方法及系统，属于气象检测技术领域，首先输入长度为4的遥感图像序列，所述遥感图像序列包括前序图像和检测图像；输入的遥感图像序列经过4个细节信息模块进行图像特征提取；然后将图像数据输入至上下文信息模块，进行上下文信息提取，对图像进行全局信息的补充；再输入Memory模块，通过前序图像特征图对当前特征图进行特征补充与增强；补强的图像数据经过解码器进行4次卷积与上采样的操作来恢复图像尺寸，最终输出与输入图像尺寸一致的图像。
-
公开(公告)号：CN114548606B
公开(公告)日：2022-08-23
申请号：CN202210438320.X
申请日：2022-04-25
摘要： 本发明公开了一种气旋强度预测模型的构建方法及气旋强度预测方法，所述构建方法包括：获得训练数据，其中，每个训练数据包括卫星图像序列；将卫星图像序列中的每个卫星图像依次输入至区域曲面卷积层，由区域曲面卷积层输出第一空间特征图，其中，在区域曲面卷积层，对卫星图像进行遍历卷积，在每次卷积中，基于当次卷积的中心采样点的经纬度确定当次卷积其他采样点的经纬度，将当次卷积的中心采样点的经纬度和其他采样点的经纬度作为当次卷积的采样范围；基于第一空间特征图获得气旋强度预测结果；根据气旋强度预测结果和真实值计算损失函数值，基于损失函数值训练得到气旋强度预测模型。本发明能构建出气旋强度预测准确性较高的模型。
-
公开(公告)号：CN114548606A
公开(公告)日：2022-05-27
申请号：CN202210438320.X
申请日：2022-04-25
摘要： 本发明公开了一种气旋强度预测模型的构建方法及气旋强度预测方法，所述构建方法包括：获得训练数据，其中，每个训练数据包括卫星图像序列；将卫星图像序列中的每个卫星图像依次输入至区域曲面卷积层，由区域曲面卷积层输出第一空间特征图，其中，在区域曲面卷积层，对卫星图像进行遍历卷积，在每次卷积中，基于当次卷积的中心采样点的经纬度确定当次卷积其他采样点的经纬度，将当次卷积的中心采样点的经纬度和其他采样点的经纬度作为当次卷积的采样范围；基于第一空间特征图获得气旋强度预测结果；根据气旋强度预测结果和真实值计算损失函数值，基于损失函数值训练得到气旋强度预测模型。本发明能构建出气旋强度预测准确性较高的模型。
-
公开(公告)号：CN114460555A
公开(公告)日：2022-05-10
申请号：CN202210363210.1
申请日：2022-04-08
摘要： 本发明提供了一种雷达回波外推方法、装置及存储介质，方法包括：获取指定区域当前时刻的当前雷达回波图和当前卫星云图，以及过去一段时间的历史雷达回波图和历史卫星云图；采用第一IIA‑GRU编码器对所述当前雷达回波图和所述历史雷达回波图进行编码处理，获得第一编码图像；采用第二IIA‑GRU编码器对所述当前卫星云图和所述历史卫星云图进行编码处理，获得第二编码图像；基于融合门控机制对所述第一编码图像和所述第二编码图像进行融合，并采用IIA‑GRU解码器对融合结果进行解码，获得所述指定区域未来一段时间内的雷达回波图像。本发明的技术方案提高了长序列雷达回波的预测准确性。
-
公开(公告)号：CN118898713A
公开(公告)日：2024-11-05
申请号：CN202410920856.4
申请日：2024-07-10
IPC分类号： G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
摘要： 本发明提出了一种基于多任务卷积神经网络的智能自定标方法，属于相对辐射校正技术领域，首先准备遥感图像数据集，选取卷积神经网络，使用平均池化层进行特征提取，再设计包括主任务和辅助任务的多任务学习框架，在特征提取阶段共享主干网络，然后在全连接层分为主任务和辅助任务分支；进而设计损失函数，最后在训练后的多任务学习框架上，使用测试数据集进行评估与优化；使用多项式建立衰减模型，设计评估指标来衡量模型的定标效果和拟合准确性，本发明使用多任务框架来实现挖掘图片中的时间信息，用于辅助相对灵敏度系数的拟合，以此克服现有技术中缺少针对定标任务的优化问题。
-
公开(公告)号：CN117368881B
公开(公告)日：2024-03-26
申请号：CN202311677654.3
申请日：2023-12-08
IPC分类号： G01S7/41 , G01S13/95 , G01W1/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0455
摘要： 本发明提出了一种融合多源数据的长序列雷达图像预测方法及系统，属于气象预测技术领域，首先对于雷达回波预报训练模型进行改动，使其等多关注长时的运动趋势；并利用三种编码器对雷达图像数据进行编码；然后在雷达图像数据的基础上，引入卫星云图数据使用卷积门控记忆单元ConvGRU进行编码，通过门控结构将卫星云图数据和雷达数据融合；再引入地形高程数据，利用残差卷积神经网络Resnet提取地形数据的特征信息，并与雷达图像数据进行通道维度上融合；经过特征融合模块对特征进行整合，最后送入时间窗口解码器中得到未来的雷达回波图像；本发明对于长时效的降水预报而言，具有很好的准确性。
-
公开(公告)号：CN117368881A
公开(公告)日：2024-01-09
申请号：CN202311677654.3
申请日：2023-12-08
IPC分类号： G01S7/41 , G01S13/95 , G01W1/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0455
摘要： 本发明提出了一种融合多源数据的长序列雷达图像预测方法及系统，属于气象预测技术领域，首先对于雷达回波预报训练模型进行改动，使其等多关注长时的运动趋势；并利用三种编码器对雷达图像数据进行编码；然后在雷达图像数据的基础上，引入卫星云图数据使用卷积门控记忆单元ConvGRU进行编码，通过门控结构将卫星云图数据和雷达数据融合；再引入地形高程数据，利用残差卷积神经网络Resnet提取地形数据的特征信息，并与雷达图像数据进行通道维度上融合；经过特征融合模块对特征进行整合，最后送入时间窗口解码器中得到未来的雷达回波图像；本发明对于长时效的降水预报而言，具有很好的准确性。
-
公开(公告)号：CN115345387B
公开(公告)日：2023-01-24
申请号：CN202211272558.6
申请日：2022-10-18
摘要： 本发明提供了一种风场风速预测方法、装置及存储介质，方法包括：获取风场的历史气象要素数据，从历史气象要素数据中分离出满足物理约束的数据；将满足物理约束的数据输入偏微分神经网络模块，提取各个气象要素变量的多阶偏导数，并对下一时间步的风场风速进行预测，获得第一预测风速；将各个气象要素变量的多阶偏导数输入动力源分离模块，结合大气运动方程组计算风场中大气气团的受热数据和受力数据；将受热数据、受力数据和历史气象要素数据输入数据驱动模块，对下一时间步的风场风速进行预测，获得第二预测风速；根据第一预测风速和第二预测风速确定风场的最终预测风速。本发明的技术方案能够提高风场风速的预测准确性。
-
公开(公告)号：CN115456314A
公开(公告)日：2022-12-09
申请号：CN202211408732.5
申请日：2022-11-11
摘要： 本发明提供了一种大气污染物时空分布预测系统及方法，涉及环境预测领域，通过特征提取单元将所述时空分布信息分别输入顺序连接通路和跳跃连接通路进行特征提取，顺序连接通路可以提取连续的时序特征，得到一个连续的变化趋势，用于后续时刻的预测；跳跃连接通路是跳跃着连接不同周期同一时刻的数据，通过跳跃连接通路对特征的传递，当前时刻的特征中可以融入前面周期内相同时刻的数据特征，用更明显的周期性特征来预测当前时刻的特征，对当前时刻的预测有一个辅助修正的作用；结合PM2.5时空分布的连续性变化趋势和周期性变化特征，融合单元将两条连接通路提取的特征相融合，使得预测结果更加准确，可用于预测很长一段时间之后的PM2.5时空分布情况。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.059 秒)
