申请/专利权人:南京信息工程大学
申请日:2024-01-09
公开(公告)日:2024-03-29
公开(公告)号:CN117789055A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06N5/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了基于因果推断的深度学习热带气旋强度实时估计和预报方法,包括:采集卫星云图数据以及ERA5再分析资料数据,并进行预处理,得到预处理后的卫星云图以及三个物理因子;基于CMA最佳路径集对预处理后的卫星云图进行标注;构建基于因果推断的深度学习热带气旋强度实时估计和预报模型,包括卫星云图特征提取模块、物理因子特征提取模块、基于因果推断的融合模块以及估计和预测模块;对构建的模型进行训练,得到训练好的模型,利用训练好的模型对当前和未来时刻的热带气旋强度进行估计和预报。本发明集成多源数据,以数理与统计范式相结合的方法增强热带气旋的深度提取特征,提出一种合理且具有可解释性的融合方法。
主权项:1.基于因果推断的深度学习热带气旋强度实时估计和预报方法,其特征在于,包括如下步骤:步骤1,采集卫星云图数据以及ERA5再分析资料数据,并对卫星云图数据以及ERA5再分析资料数据进行预处理,得到预处理后的卫星云图以及海平面温度、600hPa相对湿度和200-850hPa垂直风切变三个物理因子;步骤2,基于CMA最佳路径集对预处理后的卫星云图进行标注;步骤3,构建基于因果推断的深度学习热带气旋强度实时估计和预报模型,包括卫星云图特征提取模块、物理因子特征提取模块、基于因果推断的融合模块以及估计和预测模块;步骤4,基于步骤1和步骤2的数据对步骤3构建的模型进行训练,得到训练好的模型,利用训练好的模型对当前时刻的热带气旋强度进行估计同时对未来时刻的热带气旋强度进行预报。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于因果推断的深度学习热带气旋强度实时估计和预报方法
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。