“天津市气象台”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于新型权重系数的逐小时时间滞后集合降水预报订正方法-CN202310054112.4在审
发明人：从靖;王庆元;张楠;刘博 -专利权人： 天津市气象台
申请日： 2023-02-03 - 公布日： 2023-05-30 - 主分类号： G01W1/10 文献下载
摘要：本发明涉及降水预报技术领域，具体为一种基于新型权重系数的逐小时时间滞后集合降水预报订正方法，其基于Taylor检验结果的时间滞后集合预报法和基于GAMMA累积概率分析的预报‑观测概率匹配法，并实现降水订正产品的精细网格化显示，旨在减小降水预报误差，提高逐小时降水预报及24小时降水预报准确性，为逐小时降水尤其短时强降水预报提供科学参考；包括如下步骤：采用基于Taylor检验结果研发新型集合权重系数Wi；采用基于新型权重系数的时间滞后集合预报方法集合不同时刻起报的预报成员；采用基于GAMMA累积概率分析的预报‑观测概率匹配法订正逐小时降水变化及24小时降水量级；降水预报检验；其有益效果是：本发明提升了逐小时、24小时晴雨及强降水预报能力。
一种基于新型权重系数小时时间滞后集合降水预报订正方法

[发明专利]一种基于统计模型的流域径流预测方法及装置-CN202310127735.X在审
发明人：杨晓君;陈珂;陈宏;侯敏 -专利权人： 天津市气象台
申请日： 2023-02-16 - 公布日： 2023-04-07 - 主分类号： G06F30/20 文献下载
摘要：本发明提供了一种基于统计模型的流域径流预测方法及装置，该方法包括：获取待测流域内的径流数据以及降水数据；筛选所述降水数据中对应于所述径流数据的第一降水量；计算得到所述第一降水量的权重以及所述第一降水量的径流系数；根据所述权重以及所述径流系数，计算得到径流预测模型。本发明所提供的一种基于统计模型的流域径流预测方法及装置，该方法通过获取待测流域内的径流数据以及降水数据，并在日期等因素下比对两者关联关系，从而选取关系最为密切的时间周期下的降水数据作为第一降水量，从而以第一降水量为输入量计算得到关于径流预测模型，从而克服了水文模型无法针对地形复杂区域的局限，提升了径流预测方法的可靠程度。
一种基于统计模型流域径流预测方法装置

[发明专利]一种基于活动区间的气温预报偏差订正方法和系统-CN202010738419.2有效
发明人：张楠;杨晓君 -专利权人： 天津市气象台
申请日： 2020-07-28 - 公布日： 2022-04-22 - 主分类号： G01W1/18 文献下载
摘要：本发明公开了一种基于活动区间的气温预报偏差订正方法和系统，通过对数值模式气温精细化预报产品进行准对称统计期偏差滑动订正，并利用历史数据回算，根据预报性能最优原则确定试预报区间，不断更新气温预报偏差的准对称统计期，实现了对数值模式气温预报的有效订正。该订正方法在不断更新数值模式日最高或最低气温系统偏差的基础上，还对系统偏差的准对称统计期进行滑动更新，对模式的不断升级更新有较好的适应性，订正效果较好。
一种基于活动区间气温预报偏差订正方法系统

[发明专利]一种风廓线雷达信号处理方法-CN202111490249.1在审
发明人：林晓萌;何平;尉英华;陈宏 -专利权人： 天津市气象台
申请日： 2021-12-08 - 公布日： 2022-03-01 - 主分类号： G01S13/95 文献下载
摘要：本发明公开了一种风廓线雷达信号处理方法，其包括如下步骤：S1：采集风廓线雷达的原始功率谱数据；S2：对步骤S1中采集的原始功率谱数据进行基本处理；S3：对步骤S2中进行基本处理后的功率谱数据分别进行波峰位置的识别及是否具有气象意义的判别，并记录具有气象意义的信号谱的波峰位置和强度；S4：对步骤S3中的具有气象意义的信号谱中进行湍流信号的识别。本发明的风廓线雷达信号处理方法,不仅解决的现有算法中降水期间数据缺失的问题，同时也验证了该方法反演水平风场的可靠性。
一种风廓线雷达信号处理方法

[发明专利]深度残差网络的城市内涝积水智能识别方法-CN202111168647.1在审
发明人：杨晓君;陈凯华;孙建元;陈宏;张楠;李钢;林晓萌 -专利权人： 天津市气象台
申请日： 2021-09-30 - 公布日： 2021-12-14 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及科学排涝调度决策技术领域，具体涉及深度残差网络的城市内涝积水智能识别方法，包括以下步骤：S1、数据准备；S2、数据处理；S3、模型搭建；S4、模型调用，综合路面、行人、车辆等参照物信息，并对设置标签后的图片做预处理，包括将所有图片大小进行重新设置和做归一化处理，使用PyTorch模型的框架和ResNet‑18(残差网络)的神经网络，进行学习，训练模型，模型均匀地学习到了各种内涝级别的特征，利用Javacv从监控摄像头的视频流传中获取图片，综合路面、行人、车辆等参照物信息进行内涝等级的识别，利用RESNET‑18网络对图片进行内涝等级识别。
深度网络城市内涝积水智能识别方法