-
公开(公告)号：CN119557681A
公开(公告)日：2025-03-04
申请号：CN202510127566.9
申请日：2025-02-05
Applicant: 南京大学
IPC: G06F18/23213 , G06N3/0464 , G06N3/048 , G06F18/214 , G06F18/21 , G01W1/00
Abstract: 本发明公开了一种基于YOLOv5的登陆台风残涡检测方法，采用ERA5资料和登陆台风最佳路径资料，并筛选卷积神经网络YOLOv5模型，再对初始数据资料基于位势高度场进行筛选后作为模型样本集，并构建台风残涡检测模型，实现弱涡旋的检测，在登陆台风减弱为热带低压停编后的生命阶段中，准确检测监测登陆台风残涡的存在与发展情况，为气象预警和灾害管理提供精准的参考，测试集准确率高达70.08%。
-
公开(公告)号：CN111259324B
公开(公告)日：2022-07-12
申请号：CN202010013183.6
申请日：2020-01-07
Applicant: 南京大学
Abstract: 本发明公开了卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法。适应性局地化方法根据集合卡曼滤波同化系统中给出的任意观测资料和模式变量，计算出观测资料和模式变量的相关系数；接着利用分组后的相关系数估计该观测资料和模式变量的原始局地化函数；根据相关系数的廓线估计出卫星观测的位置po，并将原始局地化函数以位于po位置处的GC函数最大值进行拟合，得到卫星观测的影响范围co。位置po、影响范围co即为本发明所求的适应性局地化参数。将所得到的适应性局地化参数用于区域模式中预报台风，预报结果与没有使用本发明的预报结果相比，相对于观测的误差明显减小，同时使用本发明还明显改进了台风快速增强阶段的预报。
-
Patent Agency Ranking
公开(公告)号：CN118397478B
公开(公告)日：2024-10-01
申请号：CN202410841778.9
申请日：2024-06-27
Applicant: 南京大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于VGGNet模型的台风眼识别与台风眼半径估算方法，利用北半球台风卫星红外云图资料和ARCHER算法得到的有眼概率和眼半径数据，构建卷积神经网络VGGNet模型并进行模型训练，最终得到能够根据输入的红外云图自动识别台风眼区特征的系统DLTCEye，包括台风眼有无判别模型DLTCEye‑Prob和台风眼半径估计模型DLTCEye‑Rad。本发明减少了人工干预，大大提高了台风眼识别和半径估计的效率和准确性，并在此基础上构建均一化、长时序、具有气候学意义的北半球台风眼数据集。
-
公开(公告)号：CN118397478A
公开(公告)日：2024-07-26
申请号：CN202410841778.9
申请日：2024-06-27
Applicant: 南京大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于VGGNet模型的台风眼识别与台风眼半径估算方法，利用北半球台风卫星红外云图资料和ARCHER算法得到的有眼概率和眼半径数据，构建卷积神经网络VGGNet模型并进行模型训练，最终得到能够根据输入的红外云图自动识别台风眼区特征的系统DLTCEye，包括台风眼有无判别模型DLTCEye‑Prob和台风眼半径估计模型DLTCEye‑Rad。本发明减少了人工干预，大大提高了台风眼识别和半径估计的效率和准确性，并在此基础上构建均一化、长时序、具有气候学意义的北半球台风眼数据集。
-
公开(公告)号：CN108196314B
公开(公告)日：2023-04-18
申请号：CN201711407247.5
申请日：2017-12-22
Applicant: 南京大学
Abstract: 本发明公开了一种西北太平洋环状台风自动识别系统，首次建立了一种针对西北太平洋环状台风的自动识别系统，将待判断台风的卫星数据、环境场、海温场资料输入自动识别系统，系统将计算得到该台风一系列物理特征，进而基于这些特征参数，通过预筛选和线性判别，或BP神经网络的进行自动识别，对符合西北太平洋环状台风特征的台风做出警示，为此类台风的预报提供帮助。
-
公开(公告)号：CN111259324A
公开(公告)日：2020-06-09
申请号：CN202010013183.6
申请日：2020-01-07
Applicant: 南京大学
Abstract: 本发明公开了卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法。适应性局地化方法根据集合卡曼滤波同化系统中给出的任意观测资料和模式变量，计算出观测资料和模式变量的相关系数；接着利用分组后的相关系数估计该观测资料和模式变量的原始局地化函数；根据相关系数的廓线估计出卫星观测的位置po，并将原始局地化函数以位于po位置处的GC函数最大值进行拟合，得到卫星观测的影响范围co。位置po、影响范围co即为本发明所求的适应性局地化参数。将所得到的适应性局地化参数用于区域模式中预报台风，预报结果与没有使用本发明的预报结果相比，相对于观测的误差明显减小，同时使用本发明还明显改进了台风快速增强阶段的预报。
-
公开(公告)号：CN108196314A
公开(公告)日：2018-06-22
申请号：CN201711407247.5
申请日：2017-12-22
Applicant: 南京大学
Abstract: 本发明公开了一种西北太平洋环状台风自动识别系统，首次建立了一种针对西北太平洋环状台风的自动识别系统，将待判断台风的卫星数据、环境场、海温场资料输入自动识别系统，系统将计算得到该台风一系列物理特征，进而基于这些特征参数，通过预筛选和线性判别，或BP神经网络的进行自动识别，对符合西北太平洋环状台风特征的台风做出警示，为此类台风的预报提供帮助。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
