CN106662668A - 通过人工超出回圈监督来生成天气预报 - Google Patents
通过人工超出回圈监督来生成天气预报 Download PDFInfo
- Publication number
- CN106662668A CN106662668A CN201580043741.0A CN201580043741A CN106662668A CN 106662668 A CN106662668 A CN 106662668A CN 201580043741 A CN201580043741 A CN 201580043741A CN 106662668 A CN106662668 A CN 106662668A
- Authority
- CN
- China
- Prior art keywords
- forecast
- filter
- weather forecast
- weather
- determiner
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 35
- 230000009471 action Effects 0.000 claims description 30
- 238000001556 precipitation Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 9
- 239000003595 mist Substances 0.000 claims 2
- 230000008569 process Effects 0.000 description 20
- 238000003860 storage Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 7
- 150000001875 compounds Chemical class 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 241000237970 Conus <genus> Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 241000207199 Citrus Species 0.000 description 1
- 230000001594 aberrant effect Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
用于提供天气预报的“人工超出回圈”或HOTL处理的方法和系统。预报员可以创建和管理多边形过滤器、限定词和简介(FBQf),所述FBQ可以用来针对与FBQ多边形外接的空间区域来调整所述预报或描述所述预报。所述过滤器被手动放置,并且用来约束或更改未来几小时或甚至几天的一定时间范围内的数字预报数据。所述过滤器用来将源于机器的预报从不可接受或不明智的阈值限制到可接受或智能阈值。HOTL是传递大量且快速变化的预报指导的按需预报系统,使所述预报指导畅通无阻地流到对外发布平台并且可由最终用户和消费者立即使用。
Description
背景技术
传统天气预报过程通常沿着被称为“人机回圈”(HITL)或气象学家回圈(MITL)的预报组合线进行组织。该过程开始于快速且近实时地收集和组织单个数值或统计天气预测模型(NWP或模型输出统计MOS),或者更常见地,多个NWP和MOS(不严格地称为统计天气预测或SWP,因为它们表示针对相同时间和空间的天气的实时预测的一些综合或复合或智能组合)。通常在某一地域内或整个地球上有规律地隔开的点处(所谓的网格化预报)、以某一时间步长或间隔(预报时间步长或时间分辨率),并且在将来的某一时段(天气预报持续时间或有效时间),针对两个或三个空间维度中的参数集(例如,温度、降水可能性、风和湿度)来提供这些预报。最近或同时期收集的这些目标网格数字预报被称为“指导”,因为它表示HITL预报员的开始点或“初估”。
使用计算机可视化和图形编辑工具,HITL预报员复查、编辑、应用质量控制并且将人类气象专家意见(附加值)添加到天气预报元素的这个网格(或者立方体或N维集合)。易腐化预报数据的编辑尽快地执行,但这个编辑窗口或时间间隔中通常存在大量的活动,其中多个预报员在较大地域上并且甚至在不同的物理预报办公室或位置致力于很多天气变量。有时,HITL预报员将选择将新指导保留作为他们的编辑系统的输入;而是,他们将维持更改的“进行中”数字预报,因为这将减少返工并且可加速沿着HITL组合线的移动。由于天气元素在空间和时间上是持续的(例如,未来12小时内的预测温度),因此,HITL过程将一般保持指导或初始预报,直到预报人员做出所有复查和改变为止。最后,编辑过的预报被释放或推送到下游系统或用户。此处,数字预报可被翻译并且后处理成我们今天在电视、网站、数字装置和其他内容平台上看到的熟悉天气内容。
在当前的HITL范例中,存在协作成天气预报技能的相关因素,即,它们减少人机预报的预期技能。例如,归因于连续性,无法逐个地进行预报编辑。整个指导从下游处理和发布中保留下来,直到复查和编辑任务完成为止。如果预报的责任区域较大并且空间和时间分辨率是精细的,那么以很多时间步长复查和编辑很多天气元素所花的时间可较长;总经过的时间大概是2到3小时。
NWP和SWP预报(指导)的粒度随时间的推移而迅速增加。存在空间分辨率为约10km的全球模型或模拟(地球表面上存在约1千万个网格点),并且存在分辨率为约1km的地区模型(美国大陆或CONUS中将存在约1千万个网格点)。对于这些相同的模型而言,时间分辨率通常是1到3小时,并且模型可差不多在未来的384小时(16天)内运行。最重要的是,模型每天运行多次。全球模型现在通常每天运行4次,并且地区模型(以CONUS的规模)可每小时地运行。这个快速流动输出表示机器和预报员要消化的大量数据。
在HITL过程中,预报员必须将这个大量预报指导的至少一部分圈入停留栏中。一到那儿,指导便被清理和编辑到下游消耗可接受的点。在HITL过程进行时,更多的指导到达上游,同时,下游预报老化。更高分辨率且更多样化的NWP和SWP(更频繁的NWP和SWP)的技术和科学益处造成HITL预报员和预报过程的严峻的两难局面,并且随着指导在时间和空间以及种类上越来越多,其中一个将随时间的推移而加剧。
发明内容
用于提供天气预报的“人工超出回圈”或HOTL处理的方法和系统。本公开使用将预报过程同步或并行的实用手段来绕过HITL过程中的固有延迟或时延。换言之,这个新HOTL范例或工具将预报指导和预报员编辑或输入或者更改的流程改成同时或并行发生,以便除去HITL预报过程的串行时延或延迟。本公开为当代预报员和消费当代天气预报的那些用户提供益处。
例如,预报员可创建和管理多边形过滤器、限定词和简介(FBQ),所述FBQ可用来针对与FBQ外接的空间区域来调整预报或描述预报。过滤器由HOTL预报员手动放置,并且用来约束或更改未来几小时或甚至几天的一定时间范围内的数字预报数据。过滤器用来将源于机器的指导预报从不可接受或不明智的阈值限制到可接受或智能阈值。限定词是增强和放大数字预报的预定义短文本。简介是也由预报员或天气预报专家使用FBQ多边形范例提供的更冗长或自由形式的文本。简介将天气内容添加到数字预报,有助于通知或警告用户迫近的高影响天气或强调重要的即将来临的天气。HOTL是将更改值并且将值添加到每小时地高频率的世界数字预报的按需预报系统。从最新可用的数值天气预测(NWP)数据中创建内容并且传输到最终用户。这个选择性的预报更改在没有延迟源于机器的预报移动到用户或下游预报发布平台的情况下完成。这使最低时延和最坚定的预报内容成为可能。使用HOTL处理技术,预报指导畅通无阻地流到发布。由于将预报员干预、附加值和编辑活动从机器预报到最终用户的流程中解耦,因此,HOTL方法对来自目标数值和统计天气预测建模源的新计算机指导的频率或量不敏感。相对于优化现代操作天气预报和天气预报传播所需的人机结合而言,这是向前的更好方式。
这个发明内容用作对本公开的主题的介绍。下文将更详细描述这些和其他特征。
附图说明
参考附图描述本公开。在附图中,相同的参考数字表示相同或功能类似的元件。
图1示出根据本公开的人工超出回圈(HOTL)处理的示例操作流程的概述;
图2示出由HOTL系统执行的示例动作集合;
图3更详细地示出图1的HOTL处理流程;
图4示出示例过滤器多边形;
图5示出过滤器定义的示例非限制集合;
图6示出示例简介;
图7示出在HOTL客户端应用启动时可显示的示例HOTL主屏幕;
图8A和图8B示出可以为限定词、过滤器和简介的放置提供指导的示例底层;
图9示出将过滤器、简介和限定词创建为诸如图4所示的多边形区域的示例过程;
图10示出示例过滤器属性对话框;以及
图11示出可以实施示例实施例和方面的示例性计算环境。
具体实施方式
概述
本公开描述减轻或除去HITL编辑过程中的增加时间延迟而同时仍允许将人工附加值添加到预报技能和质量的方法和系统。这个过程在本文中被称为“人工超出回圈”或HOTL。HOTL是更改值并且将值添加到(例如)每小时(或其他输出时间间隔)的世界数字预报的按需预报系统。从最新可用的数值天气预测(NWP)和/或统计天气预测(SWP)数据中创建内容并且传输到最终用户。这使最低时延和最坚定的预报内容成为可能,同时维持预报过程中的人工监督和专家意见。
在HOTL系统中,预报员从传统的持有与编辑角色移动到监督角色,以便消除预报中的任何延迟。代替逐个地点地编辑数据,预报员可创建和管理多边形过滤器、限定词和简介(FBQ),所述FBQ可用来针对在FBQ内选择的区域来调整预报或描述预报。过滤器是按需预报(FOD)或指导预报上的手动放置约束。过滤器依赖于时间并且应用于(例如)即时预报(针对近期的短期天气预报;通常是今后的0到6小时)、时段(针对像是“今天”、“今晚”等自然日细分的预报天气状况、温度和风),或24小时一天(针对午夜到午夜或者从一个早晨到下一个早晨的总结预报)。如下文将描述,过滤器将预报从不明智或不可接受的阈值推动到可接受或智能阈值。过滤器可用来更改天气元素的每小时预报,或者可更改天气元素的整个时间序列。多个过滤器可作用于单个预报,然而,它们将基于它们的严重性、优先级或出处来连续行动。根据本公开,过滤器一般不在很大程度上改变FOD预报的结果;相反,过滤器限制预报结果的自由程度,以迫使预报在可接受或智能界限内。过滤器具有到期时间,但通常是实际时间或挂钟时间的流逝来否决现有过滤器。
FBQ中的“Q”代表限定词。限定词是放大、阐明或提供进行中的预报的进一步说明的简短的预定义字符串。限定词(Q)可依赖于时间,并且是即时预报、分段或一天的函数。这些时间分割中的每个允许单个Q。限定词可具有优先级或严重性,并且这允许当时间分割存在多个Q时选择Q。可能存在自动限定词,所述自动限定词在天气达到预定阈值(像是记录温度)时被触发。此外,存在重要的现有天气逻辑,以确保Q与它们的伴随预报内在一致。
简介是由气象学家或专家提供的自由形式的文本,它放大或警告用户重要的即将来临的天气或者该重要天气的后果。使用(例如)HOTL的多边形映射范例(如下文描述),可针对例如人口统计市场区域(DMA)、地区或政治边界来定义简介。单个简介可在所有预报时间或一些时间范围内有效。由于简介是由预报员或气象学家创作的自由形式的文本,因此,它们可含有与本地地理、地标以及城市、城镇或地区独特的其他元数据有关的具体措辞。
因此,HOTL是将更改值并且将值添加到高频率的世界数字预报的按需预报系统。HOTL FBQ经过评估并且“及时”或在用户请求预报时作用于新的NWP或SWP。原始机器预报或指导经过HOTL过滤器,以便清洁不明智或不可接受的预报的数字指导,留下智能且可接受的预报。从最新可用的数值天气预测(NWP)数据中创建内容并且传输到最终用户。这使最低时延和最坚定的预报内容成为可能。使用HOTL技术,天气预报指导和最新人工干预以及附加值畅通无阻地流到发布。
HOTL操作流程
参考图1,示出根据本公开的预报数据的HOTL处理的示例操作流程100的概述。在102处,将NWP和/或MOS转换成全球动态综合预报(gDICAST)。如本领域的技术人员将理解,gDICAST系统摄取气象数据(例如,观测、模型、统计数据、气候数据等),并且在用户定义的或网格化预报地点和未来的预报有效时间产生气象预报。为了实现这个目标,gDICAST使用多种预报技术从数据源的每个中生成独立的预报。在每个用户定义的或网格化预报地点处,基于考虑到每个预报模块的最新技能的处理方法生成来自单独预报集合的单个共识或复合预报。
在104处,将HOTL工具应用于gDICAST预报。根据本公开,HOTL工具可包括,但不限于,引入预报流中的约束、过滤器和附加值(例如,限定词)。HOTL工具可用来近实时地更改预报数据,并且在下文进一步详细地描述。在106处,使世界指导预报和预报FBQ在按需预报(FOD)云中可用。在108处,根据需要或恰好在用户请求具体预报时发布世界预报。如图1所示,编辑时间或时延从HITL过程中的2到3小时减少到HOTL过程中的几乎为零。
参考图2,图1的HOTL处理用来将“不明智”预报推动成可接受或智能预报。例如,“不明智”预报可以是与天气社区的共识预报不一致的预报。“不明智”预报可缺少智能背景,诸如,登陆的飓风之中的分散雷暴雨预报,或者在佛罗里达柑桔带的中部的记录寒冷冬夜中没有提到霜或结冰的预报。此外,不明智预报可错过非常短期内的降水或者应该在短期内形成的降水,而这对于人类预报员或地面观测员来说是显而易见的。作为另一实例,“不明智”预报可预示错误降水类型、强度或范围。当异常或罕见天气将发生时,“不明智”预报还可错过此类状况,诸如,冻毛毛雨、暴风雪、雪飑、热带风暴状况等。又一实例是因天气指导、统计残余或者随机或数值反馈或不稳定性(例如,失调的大雨)而突然转变的预报。简言之,不明智的预报是缺少整体天气情形的背景意识的预报,或者与未来天气的可能后果或对公众或个体消费者的影响相反。因此,如图2所示,HOTL预报员利用104处的HOTL工具来创建过滤器、限定词、简介和其他附加值和/或约束,以便将不明智预报再形成为可接受或智能预报空间的领域。
过滤器、限定词和简介(FBQ)处理
参考图3,更详细地示出图1的HOTL处理流程。预报数据可由服务器302(例如,FOD服务器)提供到处理流程300。预报数据可以是任何预报数据,诸如,观测或现状、即时预报(例如,0到6小时预报)、分段预报或一天预报。操作流程300可在被检索为(例如)FOD API请求的一部分的所有每小时预报上操作。国际公告314可输入到处理流程300。国际公告允许创建、编辑和管理美国本土之外的监视、警告和公告。
还有无数的其他天气约束、公告或附加值可使用这个相同的HOTL技术来完成,如本领域的一般技术人员鉴于本公开将理解。换言之,在地球上画出封闭的多边形或多边形的群集并且将属性归属于该多边形,所述多边形随后可立即向下游传送到预报发布平台或资产。关键的区别在于,多边形对象不同于预报本身并且只在预报被请求时进行估计、处理和组合。因此,最新指导或最新SWP保持不变并且与预报员指令分开,因此可从它的来源自由地流到它的目的地,因为它不受需要编辑或复查的约束。
预报员可使用来自HOTL工具104的预定义过滤器304。这些预定义过滤器304用来变换数字预报,使得它符合过滤器定义或约束的集合。当由预报员使用时,这些过滤器304在时间和空间上是可变的,并且受制于将动作限制在网格化预报点的集合的条件集合,所述网格化预报点位于针对定义时间序列的用户定义的多边形的下面,并且对于用户定义的条件集合而言是有效的,所述条件可包括海拔、土地使用和状态变量的范围,像是温度、PoP、风速等。原始预报变换到发布的预报可涉及很多步骤,并且随着预报从原始状态移动到发布状态时,也可暗示该预报的很多过渡状态。
根据本公开使用的过滤器是(例如)按需(FOD)或gDicast预报上的手动放置约束。如图4更详细地示出,可通过在地球表面上定义多边形或一系列的多边形而将过滤器定义为地区。多边形外接gDicast预报的网格点的集合,并且定义一定时间间隔或预报范围上的潜在动作。网格化数字预报(GDF)中的动作或变化在条件选择标准上进行断定,所述条件选择标准在过滤器定义中阐明或者当过滤器被引入直播预报时由预报员提供。例如,gDicast每小时预报点可位于多边形轮廓和时间间隔内,但它在经受过滤器动作之前也必须符合附加的选择标准集合,诸如,海拔或一定的温度范围。
过滤器多边形可具有预定条件集合和与之相关联的动作。例如,过滤器的目的可以是抑制所有降水。在这种情况下,过滤器条件将是基于超出一定阈值的降水概率(PoP)来选择多边形内的点。过滤器动作将是约束PoP低于阈值,借此产生或触发落下的降水。图5示出过滤器的非限制集合的实例。
根据本公开,过滤器可具有条件和动作的“向量”。如下:
用户约束是限制点选择并且当过滤器在当前预报上创建时由预报员定义的复合逻辑。基因组条件是确定天气结果的复合逻辑(例如,阵雨或雷暴雨暗示有关气温、云量、PoP、打雷概率和雨量的限制条件的复杂集合)。动作是新数字预报必须符合的改变范围或标量。因此,如果来自指导的数字预报满足针对特定点和时间的选择和基因组标准,那么将使用过滤器动作来改变网格化数字预报(GDF)。
这些向量的每个元素可表示为范围r1到r2,其中范围可以为空或空白,并且范围可以令r1=r2(例如,12到12将是合法范围)。范围与天气或地理元素采用相同单位。例如,用户约束向量中的海拔元素将以英尺为单位。范围服从变量的物理合理范围。例如,温度范围可被限制在-80℉到120℉之间。用户约束向量的元素可如下:
基因组向量的元素可以与用户约束向量相同,除了不包括积雪效率(SR)、海拔和露点,以及可将QPF01放大100倍并示为QPF01×100。动作向量的元素与基因组向量相同,除了添加手动重写标记和SR以及将QPF06表示为QPF06×100。
在基因组和动作向量中,可存在被称为子项的多个行,它们可表示为具有变量和行的维度的阵列。额外行的意义在于,可存在满足过滤器的基因组条件和动作的替代集合。这样的实例将是“无冰”的过滤器。为了防止每小时预报中出现冰,可解决下列基因组逻辑组合:
表1-可产生冰预报的基因组行。这些行是导致冰预报的不同预报向量组合,因此可全部表示复合条件,所述复合条件可触发抑制或改变将得自原始预报的冰(雨夹雪、冻雨或者冰和其他降水类型的组合)的预报的动作。
因此,每个行是无冰(NOICE)过滤器的子集,并且它供应满足基因组状态“冰”的与条件的替代集合。逻辑上,就条件测试而言,可容易总结这个阵列的元素,因为将行的所有列合计成与,或者将每一行结果合计成或。
在上述实例中,这将相当于下列复合逻辑:
If(30≤POP≤100)and(-80≤TEMP≤32)and(0≤CPOS≤39)and(0≤CPOI≤19)
or
If(30≤POP≤100)and(33≤TEMP≤39)and(40≤CPOS≤59)and(0≤CPOI≤19)
or
If(30≤POP≤100)and(-80≤TEMP≤32)and(0≤CPOS≤39)and(20≤CPOI≤100)
or
If(30≤POP≤100)and(33≤TEMP≤39)and(40≤CPOS≤59)and(20≤CPOI≤100)
Then
满足基因组条件并且应断言过滤器动作
Else
不满足基因组条件并且网格化数字预报或GDF上不应发生动作。
Endif
因此,在GDF上发生过滤器动作之前,可经过四层测试:
·GDF是否落在多边形轮廓内?
·GDF是否落在所限定的过滤器的开始和结束时间内?
·GDF是否满足全部的条件选择或用户约束的与测试(在HOTL中,这些一般在过滤器创建时进行)?
·GDF是否满足基因组条件向量或阵列(或者在复杂过滤器的预定义中具有多个行的情况下,基因组条件子项中的一个)?
时间间隔
每个过滤器可在具体时间间隔内有效。这个间隔可以是(例如)具有每小时分辨率的一小时持续时间。可以定义其他分辨率和间隔。后有效时间可等于所作用的预报中的可用未来时数(例如,+384小时)。过滤器具有未来的上限有效时间。例如,无需考虑或评估具有过去有效时间两者的过滤器。只具有部分时间有效性的过滤器只需要针对未来的小时进行评估。
时间间隔也可具有“重现”的属性。重现是在未来的一些天内有效的时间间隔。重现为2的过滤器意味着过滤器在当前日期有效,以及在当前日之外的未来另外两天有效。例如,在2014年3月12日的06Z与18Z之间有效的重现为2的过滤器在3月13日和3月14日06Z到18Z的相同时间间隔之间也有效。重现的数量可被限于预报可用性持续时间内的天数。如果重现使过滤器的结束时间超出预报可用性期的结束时间,那么可针对每个可能的小时或者有效小时来评估该过滤器,直到预报期结束为止。然而,可不评估完全超出此上限的重现。
过滤器的重现间隔可跨越一天的边界或00Z。因此,尽管上限约束了可用的预报期,但时间间隔为2014年3月12日18Z到2014年3月13日06Z的过滤器可在未来的额外几天内重现。为了防止重现事件彼此重叠,可阻止重现过滤器具有跨越超过24小时的时间间隔。在应用中,这意味着重现过滤器可具有从00到23Z的时间间隔,作为最大持续时间。过滤器可具有“永远”的重现,这意味着过滤器在以第一事件开始的预报期中可能的每一天内重现。随着真实世界或挂钟时间在预报中心推进,此类过滤器将在所有未来的时间步长内保持有效,因为作为现在时间的偏移,它是相关的。
如果过滤器的时间间隔完全落在现在时间之前,那么可将该过滤器视作不活动(过滤器在此不活动状态下保持24小时,随后从数据库中完全删除)。然而,在评估过滤器的寿命时应考虑重现。例如,如果时间是3月12日18z,那么在三天内重现并且以3月12日的时间段06Z到12Z开始的过滤器仍活动。这是因为过滤器在未来的三个时间间隔内也有效。具有未来时间上限的过滤器仍被视作活动或有效;因此,只有落在过去的时间步长或小时才无需考虑或评估。
以下是时间间隔、现在时间和重现设置的实例。第二列是针对在3月12日00Z开始的十天预报(240小时)的适当处理的描述。
表2-运用施加于时间重现多边形上的过滤器规则的重现情形,以及结果的说明。
对多个多边形排序
对于单个时间步长而言,GDF通常可具有多个有效的过滤器。根据本公开,过滤器连续地起作用。因此,由一系列活动过滤器中的第一个采取的过滤器动作将改变GDF,并且随后将提供有关全部随后有效过滤器的新GDF状态。
为了促进多个活动过滤器的这个排序或序列化,每个预定义过滤器可具有被称为“优先级”的属性。优先级状态如下:
表3–过滤器优先级用来组织或排列多个过滤器的优先级。当多个过滤器之中没有其他可能的排序时,最终的平局决胜最后将作用于较高的过滤器编号。
如果两个过滤器具有相同的优先级,那么它们根据过滤器编号的整数值进行排序。过滤器编号可以是分配到每个预定义过滤器的4位唯一值。过滤器以这样的方式组织,使得更重要或有影响的过滤器具有更高过滤器编号。一些优先级设置可规定将其他过滤器放弃或无效,或者相反地,如果存在其他过滤器,则放弃它们。针对类型=7,只留下过滤器组中的单个过滤器(即,组中最高排名或最高编号的过滤器)。此外,最后应用优先级=7的过滤器。HOTL中定义的组是:
组 | 描述 |
OPEN | 开放过滤器 |
CLOUD | 更改云量 |
WIND | 更改风速或阵风 |
PRECIP | 更改是否存在干燥或潮湿或降水范围 |
THUNDER | 更改打雷概率或类型 |
QPF | 更改降水强度 |
ABERRANT | 特殊结果 |
ACCUM | 一定时间范围内的雨或雪量 |
MANWX | 只可经由干预来创建的天气类型 |
P_TYPE | 更改降水类型 |
表4-过滤器组是预定义过滤器的另一属性。
在此GDF实例中,五个过滤器遇到不同的过滤器编号和类型。示出初始和最终排序以及注释。
初始排序:
最终排序:
在上文中,初始过滤器NOPRECIP整个被放弃,因为类型=6并且存在其他过滤器。
过滤器动作
如果GDF预报值不符合动作范围,那么过滤器动作可改变预报值。动作范围可通过三种方式来表示。增量(Delta)动作,表示将GDF值增加动作中指定的正量或负量。例如,-2度的温度增量会将温度降低2℉。然而,针对-79℉的GDF值的-2℉增量将被调整到-80℉,因为这个值是温度变量的预定义阈值。
第二类型的范围是修剪范围,表示新GDF符合的高值和低值。用于风速的修剪范围的实例可以是:
[21到40]
低于21mph的任何GDF风速将被设置为恰好21mph。高于40mph的任何GDF风速将被设置为40mph。
第三类型的范围是缩放范围,表示重新调整基因组条件中建立的范围的比例范围。POP06的缩放范围可表现为:
|25–54|
其中基因组条件是:
0-80
为了找到基因组范围与动作范围之间的比例,确定缩放系数λ。例如,给定:
rG1=基因组范围的下限
rG2=基因组范围的上限
Ψi=GDF值(例如,60%POP06)
那么,缩放系数可定义为:
并且Ψi或Ψi*的更改或缩放值是:
使用0到80的基因组范围和60%POP06的GDF预报以及|25–54|的缩放范围的实例,那么可将λ和Ψi*确定为:
以及:
换言之,60%穿透基因组范围0到80%的3/4,因此,新的值以这样的方式缩放,使得找到动作范围|25–54|的75%。这碰巧计算到值46.75%。
应注意,如果GDF值落在基因组范围内,那么将不考虑动作并且不发生缩放。
开放过滤器
可提供开放过滤器,以使预报员能够使用简单过滤器定义来确定约束并定义动作。简单过滤器具有单行约束和动作(换言之,开放过滤器可不具有子项)。开放过滤器允许精细地控制预报参数,或者将变化自定义到过滤器的预定义集合中不可用的每小时预报。开放过滤器不具有预定义动作,并且不预定义序列号。开放过滤器可具有增量、修剪和缩放动作,就像预定义过滤器一样。
限定词
限定词是具有可手动附加到数字文本预报的气象值的简短的预定义文本字符串。限定词通常含有自动化系统一般将难以识别的预报信息。实例是“结霜的可能性”、“总降雪累积”、“城市洪涝的风险”以及由人类预报员最佳地确定的其他有附加值的信息文本。就数量而言,限定词或Q并不改变数字预报或GDF,但它们是敏感和信息性天气预报的关键补充。在HOTL范例中,将多边形归于逻辑条件,并且时间和空间幅度是预报员放置和管理天气Q的优良且有效的机制,因而作为HOTL用户接口和能力的选项。
简介
参考图3和图6,简介312是在时间和空间上归因于一定范围的GDF的气象内容的自由形式文本,并且受制于与过滤器和限定词中定义相同的对选择的潜在逻辑约束。经由这个处理器的图形用户接口(GUI),简介序列号、作者代码、简介标题、冗长简介内容以及简洁(Twitter)简介内容应可用。GUI在下文进一步详细描述。在308处,根据过滤器排序、优先级、时间有效性等对FBQ、国际警告和底层(下文参考图8A和图8B描述)进行处理,并且将它们存储在对象数据库310中。将多边形到点操作314应用于数据库310中的信息和由FOD服务器302提供的预报数据,以确定将由过滤器更改的预报位置。之后,可应用限定词316。限定词316可以是放大、阐明或提供进行中的预报的进一步说明的简短的预定编码字符串。之后,以(例如)世界为基础来准备HOTL更改的预报(在106处)并且在108处发布。
HOTL–图形用户接口(GUI)
图7示出在HOTL客户端应用启动时可显示的示例HOTL主屏幕。客户端应用可由预报员使用,如在上文的概述中描述。客户端应用可以自动集中在与客户端所在的地理位置相关的“归属地区”。列表702可以显示局部地区的过滤器、限定词和简介(FBQ)。不同位置的设置可不同。地图区域704显示用作编辑的基础的地图。如图所示,地图可具有表示地势的颜色。提供时间条706,使得可通过拖动时间条上的‘红标’、直接点击想要移动到的时间或者使用时间线下面的‘前进与后退’图标来调整时间。
参考图8A和图8B,底层是为限定词、过滤器和简介的放置提供指导的当前条件或进行中的预报的图形或文本可视化。GUI允许在地球上绘制多个天气信息层。这提供预报指导和观测的可视化,以在时间和空间上巩固FBQ多边形的放置。可在地图上绘制若干不同的底层,包括但不限于,当前条件数据,诸如,雷达、表面观测和卫星;预报数据;以及数值模型数据,诸如,ECMWF和NAM(广泛可用的政府模型模拟)。图8A尤其示出针对时段或一天的所发布的按需预报的天气元素。天气元素用来确定适用时期的过滤器的范围和组成。
如上文所述,过滤器、限定词和简介(FBQ)是由HOTL预报员在地图区域上绘制作为控制点904的封闭集合的多边形902。参考图9,可通过使用(例如)鼠标或其他定点装置画出控制点904的集合来创建过滤器、简介和限定词。可识别最后一点,并且将记下或封闭多边形902。任选地或作为补充,可通过压住鼠标按钮并画出所需形状而在一个连续的移动中画出多边形。在多边形902上停留可呈现FBQ定义906。
参考图10,可在对话框1000中编辑过滤器的属性。过滤器类型可使用过滤器编号下拉菜单1002来定义,其中过滤器类型可改变。FBQ的有效时期可使用控件1004来调整。这也可使用时间条706来执行。重现可使用控件1006来设置,以允许FBQ在设定的天数中重复,保持所有相同的属性。重现FBQ在全天的一定子集上有效,因此它的时间间隔在长度上必须小于24小时。约束可使用按钮1008来设置,以定义必须满足的用户约束,以便允许FBQ作用于预报。
图11示出可以实施示例实施例和方面的示例性计算环境。计算系统环境只是合适计算环境的一个实例,而不意图建议对用户或功能范围的任何限制。
可使用很多其他通用或专用计算系统环境或配置。可适合使用的公知的计算系统、环境和/或配置的实例包括,但不限于,个人计算机、服务器、云计算平台、手持式或膝上型装置、多处理器系统、基于多处理器的系统、网络个人计算机(PC)、微型计算机、主计算机、嵌入式系统、包括上述系统或装置中的任一个的分布式计算环境等。
可使用由计算机执行的计算机可执行指令,诸如,程序模块。通常,程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、对象、组件、数据结构等。可使用分布式计算环境,其中任务由通过通信网络或其他数据传输介质链接的远程处理装置执行。在分布式计算环境中,程序模块和其他数据可定位在本地和远程计算机存储介质中,包括存储器存储装置。
参考图11,用于实施本文中所述的方面的示例性系统包括计算装置,诸如,计算装置1100。在最基础的配置中,计算装置1100通常包括至少一个处理单元1102和存储器1104。根据计算装置的确切配置和类型,存储器1104可以是易失性存储器(例如,随机存取存储器(RAM))、非易失性存储器(例如,只读存储器(ROM)、闪存等),或者两者的某一组合。这个最基础配置在图11中由虚线1106示出。
计算装置1100可具有额外特征/功能。例如,计算装置1100可包括额外的存储设备(可移动和/或不可移动),包括但不限于,磁盘或光盘或者磁带。此类额外的存储设备在图11中由可移动存储设备1108和不可移动存储设备1110示出。
计算装置1100一般包括多种有形计算机可读介质。计算机可读介质可以是可由装置1100访问并且包括易失性和非易失性介质、可移动和不可移动介质的任何可用的有形介质。
有形计算机存储介质包括以任何方法或技术实施的易失性和非易失性介质以及可移动和不可移动介质,以用于存储信息,诸如,计算机可读指令、数据结构、程序模块或其他数据。存储器1104、可移动存储设备1108和不可移动存储设备1110都是计算机存储介质的实例。有形计算机存储介质包括,但不限于,RAM、ROM、电可擦除可编程只读存储器(EEPROM)、闪存或其他存储技术、CD-ROM、数字多功能盘(DVD)或其他光学存储设备、磁带盒、磁带、磁盘存储设备或其他磁存储装置,或者可用来存储所需信息且可被计算装置1100访问的任何其他介质。任何此类计算机存储介质都可以是计算装置1100的一部分。
计算装置1100可含有允许装置与其他装置通信的通信连接1112。计算装置1100也可具有输入装置1114,诸如,键盘、鼠标、笔、语音输入装置、触摸输入装置等。也可包括输出装置1116,诸如,显示器、扬声器、打印机等。所有这些装置在本领域中是公知的,并且此处不需要详细论述。
应理解,本文所述的各种技术可结合硬件或软件实施,或者在适当的情况下,可结合硬件与软件的组合实施。因此,当前公开的主题或者其某些方面或部分的方法和设备可采用诸如软盘、CD-ROM、硬盘驱动器或任何其他机器可读存储介质等有形介质中体现的程序代码(即,指令)的形式,其中当程序代码加载到机器(诸如,计算机)中并且被执行时,机器成为用于实践当前公开的主题的设备。在可编程计算机上执行程序代码的情况下,计算装置一般包括处理器、可由处理器读取的存储介质(包括易失性和非易失性存储器和/或存储元件)、至少一个输入装置以及至少一个输出装置。一个或多个程序可例如,通过使用应用编程接口(API)、可重用控件等,实施或利用结合当前公开的主题描述的过程。此类程序可以高级程序性或面向对象的编程语言实施,以与计算机系统通信。然而,如有需要,程序可以汇编或机器语言实施。无论如何,语言可以是编译或解译语言,并且它可与硬件实施进行组合。
尽管已结合附图中示出的各种实施方式描述了本公开,但应理解,可使用其他类似的实施方式,或者可对所述的实施方式进行更改和补充,以在不脱离本公开的情况下执行本公开的相同功能。例如,本领域的技术人员将认识到,如本公开中所述的实施方式可应用于任何计算装置或环境,并且可应用于经由通信网络连接并且在网络上交互的任何数量的此类计算装置。此外,本公开可以在处理芯片或装置中或多个处理芯片或装置上实施,并且在多个装置上,存储设备可类似地受影响。因此,本公开不应限于任何单个实施例,而是应根据所附权利要求书的宽度和范围上进行解释。
Claims (20)
1.一种用于确定天气预报的方法,其包括:
定义调整天气预报数据的过滤器;
定义限定词和简介中的至少一个,所述限定词和简介描述由所述过滤器涵盖的空间区域的所述天气预报数据;
将所述过滤器应用于所述天气预报数据,以更改预定时期上的所述天气预报数据,以便创建过滤后的天气预报;
将所述限定词和所述简介中的所述至少一个提供到所述过滤后的天气预报;以及
发布所述过滤后的天气预报。
2.根据权利要求1所述的方法,其还包括按需发布所述过滤后的天气预报。
3.根据权利要求1所述的方法,其还包括将所述过滤器定义为与应用所述天气预报数据的预定地区相关联的多边形。
4.根据权利要求3所述的方法,其中所述过滤器调整所述预定地区的所述预报。
5.根据权利要求1所述的方法,其还包括将所述过滤后的天气预报提供作为按需预报。
6.根据权利要求1所述的方法,其中所述过滤器依赖于时间。
7.根据权利要求1所述的方法,其中所述过滤器限制预报结果的自由程度,以迫使所述过滤后的天气预报进入可接受的界限内。
8.根据权利要求1所述的方法,其中所述过滤器更改下列中的一个:降水概率、积雪效率、温度、露点、能见度、风速、云量、雾的概率、打雷概率、降雪的条件概率、结冰的条件概率以及降雨的条件概率。
9.根据权利要求1所述的方法,其中所述限定词是对所述过滤后的天气预报提供说明的预定义字符串。
10.根据权利要求9所述的方法,其中所述限定词依赖于时间。
11.根据权利要求1所述的方法,其中所述简介是自由形式文本。
12.一种处理预报数据的方法,其包括:
摄取天气预测模型;
在网格化预报地点针对未来时间产生气象预报;
将至少一个过滤器和限定词应用于所述气象预报中的一个,以近实时地更改所述气象预报中的所述一个,以便创建更改的气象预报;以及
响应于用户请求,按需发布所述更改的气象预报。
13.根据权利要求12所述的方法,其中所述至少一个过滤器是对所述气象预报的手动放置约束。
14.根据权利要求13所述的方法,其还包括将所述至少一个过滤器定义为地球表面上的多边形地区。
15.根据权利要求14所述的方法,其中所述多边形地区外接所述气象预报的网格点集合,以及其中所述至少一个过滤器定义一定时间间隔或预报范围上的动作。
16.根据权利要求11所述的方法,其还包括将所述至少一个过滤器定义为条件和动作的向量,如下:
其中所述用户约束是针对当前预报创建的所述至少一个过滤器,其中所述基因组条件确定天气结果,以及其中所述动作是所述更改的气象预报符合的改变范围或标量。
17.根据权利要求12所述的方法,其中所述至少一个过滤器更改下列中的一个:降水概率、积雪效率、温度、露点、能见度、风速、云量、雾的概率、打雷概率、降雪的条件概率、结冰的条件概率以及降雨的条件概率。
18.根据权利要求12所述的方法,其中所述限定词是对所述更改的气象预报提供说明的预定义字符串。
19.一种在客户端计算装置上提供人工超出回圈接口以接收应用于气象预报的过滤器、限定词和简介的方法,其包括:
呈现与所述客户端计算装置所在的地理位置相关的归属地区;
针对所述归属地区来呈现所述过滤器、所述限定词和所述简介的列表;
呈现时间条,以设置应用所述过滤器、所述限定词和所述简介的时期;
绘制提供可视化预报指导和观测的天气信息层;以及
接收输入,以将所述过滤器、所述限定词和所述简介放在所述地理位置上,以便设置所述预报指导的手动约束。
20.根据权利要求19所述的方法,其还包括接收所述过滤器的属性,所述属性包括过滤器类型、有效时间段、重现值以及用户约束。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462027288P | 2014-07-22 | 2014-07-22 | |
US62/027,288 | 2014-07-22 | ||
PCT/US2015/041446 WO2016014611A1 (en) | 2014-07-22 | 2015-07-22 | Generating weather forecasts with human over-the-loop oversight |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106662668A true CN106662668A (zh) | 2017-05-10 |
CN106662668B CN106662668B (zh) | 2020-01-21 |
Family
ID=55163665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580043741.0A Expired - Fee Related CN106662668B (zh) | 2014-07-22 | 2015-07-22 | 确定预报的方法、处理预报数据的方法和提供接口的方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10488555B2 (zh) |
EP (2) | EP3862937B1 (zh) |
CN (1) | CN106662668B (zh) |
DK (1) | DK3172704T3 (zh) |
ES (1) | ES2866025T3 (zh) |
PL (2) | PL3172704T3 (zh) |
PT (1) | PT3172704T (zh) |
WO (1) | WO2016014611A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10175387B2 (en) * | 2016-03-10 | 2019-01-08 | The Climate Corporation | Long-range temperature forecasting |
CN106501875A (zh) * | 2016-11-02 | 2017-03-15 | 安徽锦坤电子科技有限公司 | 一种用于气象预测的评估系统 |
CN111159640A (zh) * | 2019-11-20 | 2020-05-15 | 北京玖天气象科技有限公司 | 适用于网格预报的小雨消空方法、消空系统、电子设备及存储介质 |
CN112187951B (zh) * | 2020-10-10 | 2022-07-15 | 南京恩瑞特实业有限公司 | 一种机场气象taf报文自动编译方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040010372A1 (en) * | 2000-02-14 | 2004-01-15 | Bruce Schwoegler | Individualized, location specific weather forecasting system |
US20070049260A1 (en) * | 2005-08-25 | 2007-03-01 | Hiromitsu Yuhara | System and method for providing weather warnings and alerts |
US20140012864A1 (en) * | 2012-07-04 | 2014-01-09 | Fujitsu Limited | Server apparatus and filtering method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6339747B1 (en) * | 2000-04-05 | 2002-01-15 | Weather Central, Inc. | Weather tracking and display system and method |
IL156424A0 (en) * | 2000-12-15 | 2004-01-04 | Nooly Technologies Ltd | Location-based weather nowcast system and method |
US6920233B2 (en) * | 2001-02-20 | 2005-07-19 | Massachusetts Institute Of Technology | Method and apparatus for short-term prediction of convective weather |
US9285504B2 (en) * | 2008-11-13 | 2016-03-15 | Saint Louis University | Apparatus and method for providing environmental predictive indicators to emergency response managers |
US20140303893A1 (en) * | 2013-04-04 | 2014-10-09 | Sky Motion Research Inc | Method and system for nowcasting precipitation based on probability distributions |
-
2015
- 2015-07-21 US US14/804,917 patent/US10488555B2/en active Active
- 2015-07-22 ES ES15823936T patent/ES2866025T3/es active Active
- 2015-07-22 EP EP21151242.1A patent/EP3862937B1/en active Active
- 2015-07-22 DK DK15823936.8T patent/DK3172704T3/da active
- 2015-07-22 PL PL15823936T patent/PL3172704T3/pl unknown
- 2015-07-22 WO PCT/US2015/041446 patent/WO2016014611A1/en active Application Filing
- 2015-07-22 PT PT158239368T patent/PT3172704T/pt unknown
- 2015-07-22 CN CN201580043741.0A patent/CN106662668B/zh not_active Expired - Fee Related
- 2015-07-22 PL PL21151242.1T patent/PL3862937T3/pl unknown
- 2015-07-22 EP EP15823936.8A patent/EP3172704B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040010372A1 (en) * | 2000-02-14 | 2004-01-15 | Bruce Schwoegler | Individualized, location specific weather forecasting system |
US20070049260A1 (en) * | 2005-08-25 | 2007-03-01 | Hiromitsu Yuhara | System and method for providing weather warnings and alerts |
US20140012864A1 (en) * | 2012-07-04 | 2014-01-09 | Fujitsu Limited | Server apparatus and filtering method |
Also Published As
Publication number | Publication date |
---|---|
CN106662668B (zh) | 2020-01-21 |
PL3862937T3 (pl) | 2024-05-06 |
DK3172704T3 (da) | 2021-04-19 |
PT3172704T (pt) | 2021-04-20 |
WO2016014611A1 (en) | 2016-01-28 |
EP3862937C0 (en) | 2024-01-03 |
EP3172704A4 (en) | 2018-05-30 |
PL3172704T3 (pl) | 2021-10-11 |
ES2866025T3 (es) | 2021-10-19 |
EP3172704A1 (en) | 2017-05-31 |
EP3172704B1 (en) | 2021-01-13 |
US10488555B2 (en) | 2019-11-26 |
US20160025896A1 (en) | 2016-01-28 |
EP3862937B1 (en) | 2024-01-03 |
EP3862937A1 (en) | 2021-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Eum et al. | Optimal drought management using sampling stochastic dynamic programming with a hedging rule | |
Kunkel et al. | Regional climate trends and scenarios for the US National Climate Assessment: Part 2. Climate of the Southeast US | |
Moradkhani et al. | Long-lead water supply forecast using large-scale climate predictors and independent component analysis | |
McKenney et al. | Spatial climate models for Canada’s forestry community | |
Arpe et al. | Prediction of the Caspian Sea level using ECMWF seasonal forecasts and reanalysis | |
JP6874770B2 (ja) | 降雨量予測装置、降雨量予測方法、および記録媒体 | |
Cheng et al. | Possible impacts of climate change on freezing rain in south-central Canada using downscaled future climate scenarios | |
CN106662668A (zh) | 通过人工超出回圈监督来生成天气预报 | |
Liu et al. | Predicting aircraft trajectory choice–a nominal route approach | |
Kumar et al. | Evaluating two GIS-based semi-distributed hydrological models in the Bhagirathi-Alkhnanda River catchment in India | |
Suárez-Almiñana et al. | Integrating seasonal forecasts into real-time drought management: Júcar River Basin case study | |
Lanini et al. | Stochastic method for examining vulnerability of hydropower generation and reservoir operations to climate change: Case study of the Dworshak Reservoir in Idaho | |
Babister et al. | The Australian rainfall and runoff datahub | |
Cao et al. | Exploring spatially varying relationships between forest fire and environmental factors at different quantile levels | |
Chandel et al. | Employing HEC-ResSim 3.1 for Reservoir Operation and Decision Making | |
Sun et al. | Nonstationarities and at-site probabilistic forecasts of seasonal precipitation in the East River Basin, China | |
Brilly et al. | Climate change impact on flood hazard in the Sava River Basin | |
Olsen et al. | Drought Attribution Studies and Water Resources Management | |
Tukimat et al. | Analysis of potential extreme drought using integrated statistical model | |
Lettenmaier | Limitations on seasonal snowmelt forecast accuracy | |
Uthpala et al. | Study on climate elasticity of runoff in Kirindi Oya and Maduru Oya Basins in Sri Lanka | |
Anderson et al. | Ten years of stochastic water supply modeling by Lower Colorado River Authority of Texas | |
Oishi | Optimization of integrated operation of dams using ensemble prediction | |
Muliawati | Analysis of Rainfall Prediction in Lampung Province using the Exponential Smoothing Method | |
Zhu et al. | Tropical Cyclones Intensity Prediction in the Western North Pacific Using Gradient Boosted Regression Tree Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1237880 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200121 |
|
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1237880 Country of ref document: HK |