-
公开(公告)号：CN113344149B
公开(公告)日：2021-11-19
申请号：CN202110902384.6
申请日：2021-08-06
申请人： 浙江大学
摘要： 本发明公开了一种基于神经网络的PM2.5逐小时预测方法，方法包括获取气溶胶光学厚度AOD数据、ECMWF气象数据、地基数据及辅助数据，数据初步处理，第一训练样本构建，训练AOD填补模型，预测并补全气溶胶光学厚度AOD数据，第二训练样本构建，训练学习模型得到PM2.5预测模型，预测PM2.5浓度八个步骤。本发明基于深度神经网络补全气溶胶光学厚度AOD数据实现了样本的扩充，并将大气边界层高度BLH修正为大气雾霾层高度HLH用于PM2.5的预测，覆盖面广，解决地基监测PM2.5覆盖面不足的问题，实现了PM2.5浓度的高精度逐小时预测。
-
公开(公告)号：CN113777627B
公开(公告)日：2022-01-18
申请号：CN202111344183.5
申请日：2021-11-15
申请人： 浙江大学
摘要： 本发明公开了一种基于新型地基激光雷达网的激光雷达比区域传输方法，包括计算选定位置对应气溶胶的激光雷达比与含量；结合历史数据完成对应气溶胶的激光雷达比与含量数据筛选；建立对应气溶胶的激光雷达比与含量之间的非线性回归模型；计算选定位置周围全部太阳光度计观测的对应气溶胶含量；建立传输距离与激光雷达比相对误差两者之间的数学关系；确定激光雷达比区域传输方法的适用范围。利用本发明，先进激光雷达可实现向米散射激光雷达进行激光雷达比区域的传输，在保证激光雷达网观测数据精度的同时，还可控制系统成本。
-
公开(公告)号：CN116543300A
公开(公告)日：2023-08-04
申请号：CN202310367225.X
申请日：2023-04-07
申请人： 浙江大学
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S13/86
摘要： 本发明公开了一种基于语义分割的云‑气溶胶层次分类方法。将语义分割技术引入大气遥感的云和气溶胶层次分类中，将多个通道的观测结果与纹理信息相结合，对原始信号进行逐像素点地连续分类。首先，收集星载激光雷达CALIOP的多通道衰减后向散射系数，进行去噪、可信度筛选等预处理后，计算得到体退偏比和衰减色比作为RGB三通道值组成图像形成训练样本集，输入构建的语义分割神经网络进行训练，得到云‑气溶胶层次分类模型，实现对大气中云和气溶胶等的层次分类。相较于已有方法的CALIOP层次分类结果，该方法具有高准确率，高分辨率、层次丰富等优势，适用于多场景，有助于观测云和气溶胶分布、预测全球气候变化等研究。
-
公开(公告)号：CN113777627A
公开(公告)日：2021-12-10
申请号：CN202111344183.5
申请日：2021-11-15
申请人： 浙江大学
摘要： 本发明公开了一种基于新型地基激光雷达网的激光雷达比区域传输方法，包括计算选定位置对应气溶胶的激光雷达比与含量；结合历史数据完成对应气溶胶的激光雷达比与含量数据筛选；建立对应气溶胶的激光雷达比与含量之间的非线性回归模型；计算选定位置周围全部太阳光度计观测的对应气溶胶含量；建立传输距离与激光雷达比相对误差两者之间的数学关系；确定激光雷达比区域传输方法的适用范围。利用本发明，先进激光雷达可实现向米散射激光雷达进行激光雷达比区域的传输，在保证激光雷达网观测数据精度的同时，还可控制系统成本。
-
公开(公告)号：CN113344149A
公开(公告)日：2021-09-03
申请号：CN202110902384.6
申请日：2021-08-06
申请人： 浙江大学
摘要： 本发明公开了一种基于神经网络的PM2.5逐小时预测方法，方法包括获取气溶胶光学厚度AOD数据、ECMWF气象数据、地基数据及辅助数据，数据初步处理，第一训练样本构建，训练AOD填补模型，预测并补全气溶胶光学厚度AOD数据，第二训练样本构建，训练学习模型得到PM2.5预测模型，预测PM2.5浓度八个步骤。本发明基于深度神经网络补全气溶胶光学厚度AOD数据实现了样本的扩充，并将大气边界层高度BLH修正为大气雾霾层高度HLH用于PM2.5的预测，覆盖面广，解决地基监测PM2.5覆盖面不足的问题，实现了PM2.5浓度的高精度逐小时预测。
-
-
-
-
搜索结果
5 条记录 (耗时 0.016 秒)