公开(公告)号：CN119395793B

公开(公告)日：2025-04-01

申请号：CN202411976896.7

申请日：2024-12-31

Applicant: 北京弘象科技有限公司

Inventor： 张青山 ,  陈云刚 ,  林超 ,  姜钤川 ,  张金 ,  王耀辉 ,  陈宙乾 ,  孙鹏超 ,  叶先才 ,  钟雅丽

IPC: G01W1/10 ,  G01S13/95 ,  G01S7/41 ,  G06F18/21 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/045 ,  G06F123/02

Abstract: 本发明提供了一种基于扩散模型的雷达短临预测方法、装置、设备及介质，涉及气象数据处理技术领域，包括：对目标区域对应的目标雷达数据进行预处理；通过确定性时序预测模型，基于预处理后的目标雷达数据生成目标区域对应的第一雷达回波短临预测结果序列，并通过残差预测模型生成第一雷达回波短临预测结果序列对应的第一残差预测值序列；基于第一雷达回波短临预测结果序列和第一残差预测值序列确定目标区域对应的目标雷达回波短临预测结果序列。本发明可以缓解现有的雷达回波短临预测方法预测准确率较低和纹理结构较差的技术问题。

公开(公告)号：CN119596240A

公开(公告)日：2025-03-11

申请号：CN202411653919.0

申请日：2024-11-19

Applicant: 北京弘象科技有限公司

Inventor： 张俞 ,  林超 ,  陈云刚 ,  姜钤川 ,  蔡昌洪 ,  黄万龙 ,  叶先才 ,  虞雅璠 ,  柴亚东

IPC: G01S7/02 ,  G06F9/50

Abstract: 本发明提供了一种雷达数据处理方法、系统、设备及介质，涉及数据处理技术领域，包括：接收雷达数据处理任务，雷达数据处理任务对应有单部雷达算法或多部雷达算法；基于雷达数据处理任务对应的单部雷达算法或多部雷达算法，确定雷达数据处理任务对应的目标动态库及目标动态库的优先级；用多线程集成处理框架，以通过多线程集成处理框架，基于优先级为雷达数据处理任务对应的每个目标动态库分配目标线程；启动目标线程，以在启动的目标线程内调用其对应的目标动态库，通过目标动态库对待处理雷达数据进行加速处理，得到雷达数据处理任务对应的处理结果。本发明可以显著提升雷达数据处理的效率和实时性。

公开(公告)号：CN119395793A

公开(公告)日：2025-02-07

申请号：CN202411976896.7

申请日：2024-12-31

Applicant: 北京弘象科技有限公司

Inventor： 张青山 ,  陈云刚 ,  林超 ,  姜钤川 ,  张金 ,  王耀辉 ,  陈宙乾 ,  孙鹏超 ,  叶先才 ,  钟雅丽

IPC: G01W1/10 ,  G01S13/95 ,  G01S7/41 ,  G06F18/21 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/045 ,  G06F123/02

Abstract: 本发明提供了一种基于扩散模型的雷达短临预测方法、装置、设备及介质，涉及气象数据处理技术领域，包括：对目标区域对应的目标雷达数据进行预处理；通过确定性时序预测模型，基于预处理后的目标雷达数据生成目标区域对应的第一雷达回波短临预测结果序列，并通过残差预测模型生成第一雷达回波短临预测结果序列对应的第一残差预测值序列；基于第一雷达回波短临预测结果序列和第一残差预测值序列确定目标区域对应的目标雷达回波短临预测结果序列。本发明可以缓解现有的雷达回波短临预测方法预测准确率较低和纹理结构较差的技术问题。

公开(公告)号：CN119598162A

公开(公告)日：2025-03-11

申请号：CN202411663889.1

申请日：2024-11-20

Applicant: 北京弘象科技有限公司

Inventor： 刘仕民 ,  林超 ,  陈云刚 ,  金向泽 ,  叶先才 ,  姜钤川 ,  钟雅丽 ,  孙鹏超 ,  秦昊宇 ,  张青山

IPC: G06F18/213 ,  G06F18/10 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/26

Abstract: 本发明提供了一种基于深度学习的时空降尺度方法、装置、设备及介质，涉及电动数字数据技术领域，包括：获取待处理预报数据、预报时效信息和地理信息；对待处理预报数据进行预处理，并将预处理后的待处理预报数据、预报时效信息和地理信息输入至预先训练得到的时空降尺度模型；通过时空降尺度模型，提取待处理预报数据的特征图，并利用预报时效信息提高特征图的时效适应性得到目标特征图，对目标特征图进行非整数倍率上采样处理后，结合地理信息生成时空降尺度后的目标预报数据。本发明可以较好地提升预报数据的时空分辨率，同时有效减少预报偏差，从而显著提升预报效果。

公开(公告)号：CN116704366A

公开(公告)日：2023-09-05

申请号：CN202310628014.7

申请日：2023-05-30

Applicant: 北京弘象科技有限公司

Inventor： 刘海洋 ,  陈云刚 ,  姜钤川 ,  林超 ,  蔡昌洪 ,  虞雅璠 ,  方璘王昊

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了基于transformer深度学习模型的暴雨落区识别预警方法和装置，涉及气象监测的技术领域，包括：获取样本气象降水观测数据，并基于样本气象降水观测数据的标签确定出本气象降水观测数据对应的目标数据；基于因子分析算法和目标数据，确定出特征因子；基于样本气象降水观测数据和特征因子，对Swin_Transformer暴雨识别深度学习模型进行训练，得到目标深度学习模型；在获取到待处理目标数据之后，利用目标深度学习模型和待处理目标数据，预测待处理目标数据对应的暴雨落区，解决了现有的暴雨落区识别预警方法的准确性较差的技术问题。