申请/专利权人:南京邮电大学
申请日:2023-12-14
公开(公告)日:2024-03-15
公开(公告)号:CN117706660A
主分类号:G01W1/10
分类号:G01W1/10;G01S13/95;G01S7/41
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明涉及天气预测技术领域,公开了一种基于CNN‑ViT技术强对流天气预报的方法,包括:获取历史天气雷达回波图像和自动站观测的雷达回波图像;对所述强对流雷达图像进行图像预处理;构建基于CNN‑ViT的深度学习模型并进行训练,得到训练好的所述深度学习模型;同步收集到的实时雷达回波图像至训练好的所述深度学习模型中,以使训练好的所述深度学习模型输出预测结果。本发明提供的基于CNN‑ViT技术强对流天气预报的方法,基于历史天气雷达和自动站观测数据,构建预测未来雷达回波、短时强降水、雷暴大风的CNN+ViT模型,提高模型的学习速度,同时提高了预测效果。
主权项:1.一种基于CNN-ViT技术强对流天气预报的方法,其特征在于,包括:获取强对流雷达图像;其中,所述强对流雷达图像包括历史天气雷达回波图像和自动站观测的雷达回波图像;对所述强对流雷达图像进行图像预处理;构建基于CNN-ViT的深度学习模型并进行训练,得到训练好的所述深度学习模型;同步收集到的实时雷达回波图像至训练好的所述深度学习模型中,以使训练好的所述深度学习模型输出预测结果。
全文数据:
权利要求:
百度查询: 南京邮电大学 基于CNN-ViT技术强对流天气预报的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。