-
公开(公告)号：CN112926664B
公开(公告)日：2023-11-24
申请号：CN202110226392.3
申请日：2021-03-01
Applicant: 南京信息工程大学
IPC: G06F18/243 , G06F18/2111 , G06N20/20 , G01W1/10
Abstract: 本发明公开了一种基于进化算法的特征选择与CART森林的短时强降水预报方法，采用进化算法对特征选择方案进行优化，得到特征选择方案，确定最终种群，使用各特征选择方案分别构建CART树，每棵树由整体数据集中随机选取的3/4的训练集训练得到，将所有树组合从而产生CART森林模型，采集待测地区待预测时间点之前的气象数据，代入CART森林模型中，根据CART森林模型中各棵CART树的分类结果，以少数服从多数的原则来判断所述待预测时间点是否会出现短时强降水天气，以实现对短时强降水天气的准(56)对比文件张晨阳;杨雪冰;张文生.气象大数据超短临精准降水机器学习与典型应用.农业大数据学报.2019,(01),78-87.Mumtaz Ali等.Forecasting long-termprecipitation for water resourcemanagement: a new multi-step data-intelligent modelling approach.《Hydrological Sciences Journal》.2020,1-17.C. Rodriguez Rivero等.Analysis of aGaussian process and feed-forward neuralnetworks based filter for forecastingshort rainfall time series《.The 2013International Joint Conference on NeuralNetworks (IJCNN)》.2014,1-6.
-
公开(公告)号：CN111815542A
公开(公告)日：2020-10-23
申请号：CN202010757316.0
申请日：2020-07-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种树木年轮图像髓心定位、年轮测量方法，包括以下步骤：(1)对树木年轮图像灰度化处理；(2)对灰度图进行降噪；(3)利用自适应阈值化操作对降噪处理后的图像进行图像分割，将年轮与背景部分分割；(4)利用二值图像连通域算法提取每个年轮轮廓，将面积过小的连通域视作噪点并过滤；(5)计算各个年轮中心坐标，选择最小完整的年轮中心坐标作为树木年轮髓心；(6)从髓心向四周引多条射线计算出与每个年轮的交点坐标；(7)根据像素距离进行长度投影计算各年轮间实际宽度、年轮数目。本发明所述方法能够综合数字图像处理技术，构建基于树木年轮图像髓心定位、年轮测量系统，为年轮采集、分析的智能化、自动化提供可能。
-
公开(公告)号：CN111815542B
公开(公告)日：2024-05-07
申请号：CN202010757316.0
申请日：2020-07-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种树木年轮图像髓心定位、年轮测量方法，包括以下步骤：(1)对树木年轮图像灰度化处理；(2)对灰度图进行降噪；(3)利用自适应阈值化操作对降噪处理后的图像进行图像分割，将年轮与背景部分分割；(4)利用二值图像连通域算法提取每个年轮轮廓，将面积过小的连通域视作噪点并过滤；(5)计算各个年轮中心坐标，选择最小完整的年轮中心坐标作为树木年轮髓心；(6)从髓心向四周引多条射线计算出与每个年轮的交点坐标；(7)根据像素距离进行长度投影计算各年轮间实际宽度、年轮数目。本发明所述方法能够综合数字图像处理技术，构建基于树木年轮图像髓心定位、年轮测量系统，为年轮采集、分析的智能化、自动化提供可能。
-
公开(公告)号：CN112926664A
公开(公告)日：2021-06-08
申请号：CN202110226392.3
申请日：2021-03-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于进化算法的特征选择与CART森林的短时强降水预报方法，采用进化算法对特征选择方案进行优化，得到特征选择方案，确定最终种群，使用各特征选择方案分别构建CART树，每棵树由整体数据集中随机选取的3/4的训练集训练得到，将所有树组合从而产生CART森林模型，采集待测地区待预测时间点之前的气象数据，代入CART森林模型中，根据CART森林模型中各棵CART树的分类结果，以少数服从多数的原则来判断所述待预测时间点是否会出现短时强降水天气，以实现对短时强降水天气的准确预报，实用性较强，能够对各类短时强降水预报需求进行高效准确地响应。
-
-
-
Search Results
4
records
(took 0.026 seconds)
