基于分解算法和样本熵的短临风速外推方法

    公开(公告)号:CN119089233A

    公开(公告)日:2024-12-06

    申请号:CN202411547337.4

    申请日:2024-11-01

    Abstract: 本发明公开了一种基于分解算法和样本熵的短临风速外推方法,该方法通过获取施工点位在不同施工高度上的分钟级风速数据,利用垂直梯度观测塔的多层分钟级风速历史观测数据或施工点位临近自动气象站的分钟级风速历史观测数据,通过ICEEDMAN分解算法对原始风速数据进行降噪,去除高频噪声分量,生成降噪后的风速序列,对降噪后的风速序列应用小波包分解算法进行多次分解,通过样本熵计算判断各风速分量的复杂度来决定分解层数以及选择适合的风速分量与模型进行建模,从而构建短临风速外推模型建设模块,生成施工高度的未来1小时分钟级风速短临外推结果。该方法能有效提高短临风速外推精度。

    一种基于上游实况风速的强对流大风临近预测方法及系统

    公开(公告)号:CN114488158B

    公开(公告)日:2025-02-25

    申请号:CN202210040905.6

    申请日:2022-01-14

    Abstract: 本发明属于大风预测制作领域,具体提供了一种基于上游实况风速的强对流大风临近预测方法及系统,通过基于连续多景雷达观测,通过光流法计算不同时间维度下组合反射率雷达回波的光流场(v),并分别将6min的雷达回波观测映射到10min的雷达观测,以及通过动态权重将不同时间维度的光流场进行融合,最终得到未来2小时10min间隔的雷达回波外推。通过XGBOOST‑CNN的算法,将映射后的10min间隔的实况雷达观测与地面10min级大风实况站监测,并融合地形信息、下垫面信息,建立基于机器学习技术的小样本回波特征‑风速反演模型,得到实时风速反演模型。创新性的提出了一种强对流大风的格点化临近预报技术。可以提供未来2小时逐10min的雷暴大风产品。

    基于静止气象卫星的雷达回波反演方法

    公开(公告)号:CN118311521A

    公开(公告)日:2024-07-09

    申请号:CN202410297086.2

    申请日:2024-03-12

    Abstract: 本发明公开一种基于静止气象卫星的雷达回波反演方法。该方法包括数据获取、数据处理、模型训练和结果预测等步骤。在数据处理阶段,通过时间匹配和空间匹配,将雷达和卫星数据进行有效融合,通过Upsampling模块结合smaAt‑Unet模块,提高卫星观测数据的空间分辨率。接着,结合高分辨率地形数据进行模型训练,包括预训练和最终训练两个阶段。预训练阶段通过地形相似度筛选样本,生成预训练模型,保证模型对云团的判识和反演能力。最终训练阶段通过TS评分筛选样本,生成最终训练模型。最后,通过最终训练模型对待测区域的卫星观测数据进行反演,得到雷达回波结果。实验证明该方法在任何时间段都能有效反演卫星观测数据,具有优越的反演能力和鲁棒性。

    一种基于熵权法的数值模式高空预报产品评估方法及系统

    公开(公告)号:CN115456420A

    公开(公告)日:2022-12-09

    申请号:CN202211130327.1

    申请日:2022-09-15

    Abstract: 本发明提供的一种基于熵权法的数值模式高空预报产品评估方法及系统,评估方法包括:根据检验需求,确定检验区域,并筛选出所述检验区域范围内的站点,获得筛选站点;将数值模式预报产品采取双线性插值处理,将格点预报插值到所述筛选站点上;根据高空预报要素检验需求,选择在飞行高度上计算出每个所述筛选站点的统计指标值;根据所述统计指标值采用熵权法计算各数值预报模式的综合评分。实现了评分结果更加客观、准确,方便用户使用模式产品,综合评分最高者为预报效果表现最佳的模式。

    一种基于上游实况风速的强对流大风临近预测方法及系统

    公开(公告)号:CN114488158A

    公开(公告)日:2022-05-13

    申请号:CN202210040905.6

    申请日:2022-01-14

    Abstract: 本发明属于大风预测制作领域,具体提供了一种基于上游实况风速的强对流大风临近预测方法及系统,通过基于连续多景雷达观测,通过光流法计算不同时间维度下组合反射率雷达回波的光流场(v),并分别将6min的雷达回波观测映射到10min的雷达观测,以及通过动态权重将不同时间维度的光流场进行融合,最终得到未来2小时10min间隔的雷达回波外推。通过XGBOOST‑CNN的算法,将映射后的10min间隔的实况雷达观测与地面10min级大风实况站监测,并融合地形信息、下垫面信息,建立基于机器学习技术的小样本回波特征‑风速反演模型,得到实时风速反演模型。创新性的提出了一种强对流大风的格点化临近预报技术。可以提供未来2小时逐10min的雷暴大风产品。

    基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质

    公开(公告)号:CN111538935A

    公开(公告)日:2020-08-14

    申请号:CN201911369303.X

    申请日:2019-12-26

    Abstract: 本发明涉及气象预测技术领域,尤其涉及一种基于地形特征和多源模式产品的精细化降水融合方法、系统、电子设备及存储介质;本发明所公开了基于地形特征和多源模式产品的精细化降水融合方法、电子设备及存储介质,融合方法包括以下步骤:根据计算的站点无偏平均绝对误差,计算模式成员在每个国家站和区域自动气象站上的权重系数;将计算所求的每个模式产品的站点权重系数平面化到水平网格点上得到每个网格点上的权重系数;利用模式成员在网格点上各自的权重系数,加权求和,从而引入每个模式成员的优势,实现网格化降水预报的集成;该方法引入每个模式预报降水场的优势,能够获得具有更高分辨率和准确性的精细化降水预报。

Patent Agency Ranking