-
公开(公告)号：CN116908940A
公开(公告)日：2023-10-20
申请号：CN202310842860.9
申请日：2023-07-11
Applicant: 哈尔滨工程大学
IPC: G01W1/10 , G06N3/0464 , G06N3/08 , G01W1/14
Abstract: 本发明公开了一种基于深度学习的卫星降水预测方法，属于气象技术领域；具体包括：首先，使用历史卫星观测数据和历史降水量网格数据构建卫星降水预测数据集；然后，构建基于深度学习的卫星降水预测模型；利用卫星降水预测数据集对搭建的卫星降水预测模型进行训练，得到卫星降水预测模型的最优参数；将实时的卫星观测数据输入训练好最优参数的卫星降水预测模型中，输出未来时刻的降水量数据，从而实现实时的卫星降水预测。本发明具有较好的区域扩展能力，仅需要获得卫星观测资料，即可扩展至其他地区进行降水预测。
-
公开(公告)号：CN115758898A
公开(公告)日：2023-03-07
申请号：CN202211485897.2
申请日：2022-11-24
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于深度学习的海洋稀疏观测数据同化方法，属于海洋观测技术领域。首先根据海洋历史再分析数据构建训练数据集，然后构建基于深度学习的神经网络模型，并利用训练数据集对该基于深度学习的神经网络模型进行训练，得到稀疏观测数据同化计算模型。最后将稀疏观测数据输入同化计算模型中，得到融合观测信息后的分析场。本发明利用深度神经网络的非线性映射能力，通过学习海洋历史再分析数据构建稀疏观测数据同化计算模型，提高了稀疏观测数据的利用效率，克服了现有数据同化技术的不足。
-
Patent Agency Ranking
公开(公告)号：CN115712807A
公开(公告)日：2023-02-24
申请号：CN202211496372.9
申请日：2022-11-24
Applicant: 哈尔滨工程大学
IPC: G06F17/16 , G06N3/044 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种利用卫星遥感数据反演海洋三维温盐场的方法，属于海洋观测领域；具体为首先，针对待处理的海洋区域，获取历史数据构建训练集；然后，构建基于U‑Net神经网络的深度学习网络模型；通过在不同卷积层建立跳跃连接，使不同卷积层中的所有信息都能在上采样过程中得到保留。接着，利用训练集对深度学习网络进行训练，得到智能反演模型。最后，输入待采集时刻的卫星遥感数据，利用智能反演模型得到对应的海洋三维温盐场；本发明由于加入了时间变量使得反演模型具备了学习时间规律特征的能力。在保证实际可行性前提下提高了反演精确度，卫星遥感数据的利用价值和利用效率，同时具备良好的通用性。
-
公开(公告)号：CN109840311A
公开(公告)日：2019-06-04
申请号：CN201910038258.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/18
Abstract: 基于最优观测时间窗口的耦合数据同化与参数优化方法，属于耦合气候模式系统的数据同化、参数优化与数值预报技术领域。针对传统耦合数据同化与参数优化方法存在的观测资源利用以及状态估计与参数优化精度的不足，本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，依据耦合模式状态的时间尺度设立最优观测时间窗口的大小。在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上引入观测窗口内时间权重系数，最大程度上提取有效的观测信息以拟合耦合模式状态的特征变率并忽略模式内部参数的时变特征并引入时间窗口内的时间平均系数，实现对模式参数的更加精确的估计与优化，强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109783932A
公开(公告)日：2019-05-21
申请号：CN201910032586.2
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 一种结合最优观测时间窗口的强耦合数据同化方法，属于耦合气候模式系统的强耦合数据同化与数值预报技术领域。本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，并依据耦合模式状态的时间尺度设立最优观测时间窗口的大小；在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上，根据大气与海洋状态之间的自相关系数引入观测窗口内相关性权重系数，最大程度上提取有效的观测信息的同时减小时间与相关性差异；在基于最优观测时间窗口的弱耦合同化方案的稳态大气与海洋的耦合相关性系数，在传统强耦合同化方案中引入耦合相关性权重系数，实现对耦合模式状态的更加精确的估计强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109840311B
公开(公告)日：2023-10-27
申请号：CN201910038258.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/18
Abstract: 基于最优观测时间窗口的耦合数据同化与参数优化方法，属于耦合气候模式系统的数据同化、参数优化与数值预报技术领域。针对传统耦合数据同化与参数优化方法存在的观测资源利用以及状态估计与参数优化精度的不足，本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，依据耦合模式状态的时间尺度设立最优观测时间窗口的大小。在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上引入观测窗口内时间权重系数，最大程度上提取有效的观测信息以拟合耦合模式状态的特征变率并忽略模式内部参数的时变特征并引入时间窗口内的时间平均系数，实现对模式参数的更加精确的估计与优化，强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109783932B
公开(公告)日：2022-10-28
申请号：CN201910032586.2
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F30/20
Abstract: 一种结合最优观测时间窗口的强耦合数据同化方法，属于耦合气候模式系统的强耦合数据同化与数值预报技术领域。本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，并依据耦合模式状态的时间尺度设立最优观测时间窗口的大小；在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上，根据大气与海洋状态之间的自相关系数引入观测窗口内相关性权重系数，最大程度上提取有效的观测信息的同时减小时间与相关性差异；在基于最优观测时间窗口的弱耦合同化方案的稳态大气与海洋的耦合相关性系数，在传统强耦合同化方案中引入耦合相关性权重系数，实现对耦合模式状态的更加精确的估计强化耦合模式的大气与海洋的数值预报能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.01 seconds)
