CN108491959B - 一种智能相似天气预报方法及系统、信息数据处理终端 - Google Patents
一种智能相似天气预报方法及系统、信息数据处理终端 Download PDFInfo
- Publication number
- CN108491959B CN108491959B CN201810141357.XA CN201810141357A CN108491959B CN 108491959 B CN108491959 B CN 108491959B CN 201810141357 A CN201810141357 A CN 201810141357A CN 108491959 B CN108491959 B CN 108491959B
- Authority
- CN
- China
- Prior art keywords
- weather
- forecast
- intelligent
- similar
- map
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 title claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 9
- 230000003203 everyday effect Effects 0.000 claims abstract description 7
- 230000014509 gene expression Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
Abstract
本发明属于天气预报技术领域,公开了一种智能相似天气预报方法及系统、信息数据处理终端,分别划定历史天气图上相似位置及范围大小;建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;当数据库建立后,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;根据寻找相似过程中的难、易程度和试报中发现问题并不断进行改进。本发明主要能巧妙克服预报员主观天气预报和数值天气预报方法中的缺点;本发明会大大减轻预报值班工作量。
Description
技术领域
本发明属于天气预报技术领域,尤其涉及一种智能相似天气预报方法及系统、信息数据处理终端。
背景技术
目前,业内常用的现有技术是这样的:上个世纪八十年代以前,世界各国做天气预报,都以分析天气图加上预报员的经验为主。它的最大好处是:各种气象观测要素按站点位置都填在一张地图上,各影响天气系统:前前后后、上上下下、左左右右等都一目了然,便于预报员进行综合分析。但做出的预报内容多为定性(定量很困难)。另外,受预报员主观因素影响较大,故又称主观天气预报。八十年代后,数值天气预报逐步投入业务。它最大优点:定量化(数值化),不受预报员主观因素影响,所以又称客观天气预报。近二十年来发展很快,各国相继都把数值预报及产品,作为预报员做天气预报时的基础,再结合预报员分析天气图经验,促使天气预报水平上了一个大台阶。其中特别在:预报时效上从原来的五天以内,延长到十天以上;预报时间分段,原来的十二小时一段,现在已精确到三小时以内;精细化更缩小到几公里范围之内。但也有美中不足:预报准确率提高相对较缓慢,预报中最具有代表性的是:24小时降水天气预报准确率。据有关报导:目前世界上预报水平较高国家中,24小时准确率也就在70%左右(极端天气就更低),可见还有较大提升空间。我国目前已接近或达到世界先进水平,24小时晴、雨天气预报准确率大约在85%左右。相反我国在六、七十年代,当时24小时准确率大约也有60%,经过三、四十年才提高了10~15%(可能有评分标准不太一样也有关)。在目前天气预报水平还不太高的情况下,我国基层气象台站为了尽最大努力,最大限度地减轻天气自然灾害带来的生命安全和财产损失,不得不采取“严防死守,加密会商”这一行之有效的措施,效果也很好。但对预报时效要求较长一点的单位,作用就不大了!单从预报角度来讲:这一措施,只能是不得已的最后一通防线。在我国上个世纪五、六十年代,提倡基层气象站对气象台发布该地区的天气预报要进行补充改正。当时县站值班员看不到天气图,只能根据本地气象要素变化规律,凭经验对气象台发布的预报进行补充改正后再向社会提供服务。其中有不少台站,利用洞卡法(即将本站影响天气变化比较大的要素,分月(同一时期)分时(同一时间)一项一项细分成各个档次,用卡片穿孔)。预报员做当天预报时,实际上就是找出今天有关气象要素值与历史上那天最相似。最相似那天的天气变化实况,我作为当天的具体预报——简称洞卡相似预报法。在预报员进行天气会商时,经常有人提到,今天的天气形势与历史上某天很相似。在八十年代以前,当有重大天气过程影响时,有些预报员还习惯翻阅有关历史天气图。实践证明:控制某地上空大气层中的天气形势及其各气象要素的配置与地面上出现的天气现象是非常吻合的。在同样的天气形势控制下,在不同地区,不同季节下,地面上出现的天气又是不一样的。因这与地形、地貌、下垫面形势、季节等多种因素有关。但在同一个地区与历史同期内,在大致相同的天气形势控制下,当地产生的天气变化又基本上是一致的。也正因为自然大气层中有这种演变重复性,利用寻找当地两天天气形势大致相似办法,做某地区的未来天气变化,变为可能。近一、二十年来,随着高科技领域迅猛快速发展,智能机器人目前已经运用到多个行业及角落。很多工厂车间的工人都由机器人所代替,就连机器人给患者作手术也都不在是新闻。其中:商汤集团科技创新公司,研发的“人脸识别”技术,在万人规模的人脸认识中,准确率已高达99.5%,据他们所说,现在才开发没几年,今后还会大幅度提高识别精准度。他们研发的“人脸识别”技术,不但能辨识人,而且或能识别人的性别、年龄、表情、性格、颜值……等多项功能。最近在中央电视台文娱节目中,表演了多项、多领域人、机比赛中,机器人胜过了人。目前的智能机器识别功能已达到快速准确识别各种不同日期的相似天气图表。只要事先把历史同期(分月、分时)分各个层次的天气图蓄存到数据库中,靠智能识别装置,当时就能很快找出今天与历史上某日最相似。因该地区当天的天气变化与历史上相似日期的天气变化大致相同(包括测站观测所有气象要素)从而达到能预报当天各项天气变化之目的。若是把过去的数值预报天气形势及产品,事先蓄存在数据库中,同样可快速在历史资料库中,找到与当天最相似的日期,从而达到把数值预报产品转换成预报各地区各项天气要素之目的。
综上所述,现有技术存在的问题是:
导致目前天气预报水平总体还不太高,并提升缓慢原因,主要有以下几点:
(1)预报员的预报经验,主要靠长时间从事预报工作中不断积累,但随着时间流失,人脑中的天气图表呈像也会渐渐模糊到消失。
(2)影响各地区天气变化的因素很多,变化很复杂,其中特别是降水天气过程。数值预报在计算过程中,不太可能把所有的因子都考虑进去。
(3)我国各地地形、地貌很复杂,对天气变化影响很大。而复杂地形状况及下垫面性质在数值预报计算过程中,进行修正是很困难的。
(4)数值预报在计算过程中:计算方程建立、程序设计、原始资料处理……等,各个环节上,不可避免的会带来一定误差。
(5)可能还有一些,能引起大气层中天气变化的因素,至今尚未发现。
发明内容
针对现有技术存在的问题,本发明提供了一种智能相似天气预报方法及系统、信息数据处理终端。
本发明是这样实现的,一种智能相似天气预报方法,包括:
分别划定历史天气图上相似位置及范围大小;
建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;
任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中;
当数据库建立后,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;
根据寻找相似过程中的难、易程度和试报中发现问题并不断进行改进。
进一步,建立数据库中,对地面天气图测站点密度进行选择,对气象要素进行选舍。
所述数据库的天气图像的处理方法包括:平滑化的剪裁天气图像的特定像素坐标(a,b))的亮度值表示为f(a,b)时,使用下面的表达式计算所有像素的梯度矢量;
梯度矢量表示在特定像素和相邻像素之间亮度值的程度差的物理量;
基于式(1)所示的梯度矢量的x成分的值和式(2)中所示的梯度矢量的y成分的值,通过式(3)中表达式计算梯度矢量的方向θ;
通过天气图像数据的离散化计算标准天气图像处理中的梯度计算,并且使用如式(4)和式(5)、式(6)中所示的表达式中的微分计算相邻像素之间的梯度;
本发明的另一目的在于提供一种实现所述智能相似天气预报方法的计算机程序。
本发明的另一目的在于提供一种实现所述智能相似天气预报方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的智能相似天气预报方法。
本发明的另一目的在于提供一种智能相似天气预报系统,包括:
天气图划分模块,用于分别划定历史天气图上相似位置及范围大小;
智能机器识别模块,用于建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;
多信息采集模块,用于任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中;
分析模块,用于利用建立的数据库,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;
处理模块,用于根据分析模块寻找相似过程中的难、易程度和试报中发现问题并不断进行改进。
本发明的另一目的在于提供一种搭载所述智能相似天气预报系统的信息数据处理终端。
综上所述,本发明的优点及积极效果为:
本发明主要能巧妙克服预报员主观天气预报和数值天气预报方法中的缺点。由于人脑在某些方面不如智能机器记忆能力,因此智能相似天气预报准确率会大大超过预报员做出的主观天气预报。智能相似天气预报,避开了数值天气预报计算过程中的各个中间环节,减少了由中间环节带来的各种误差。智能相似天气预报,做出的是全方位预报(包括目前测站观测到的全部气象要素)。会大大减轻预报值班工作量。随着历史进程,数据库历史资料会愈来愈丰厚;加之智能视觉识别技术进一步提高,本发明的天气图(或数值预报天气形势图)相似确认的程度相应大大加强。最终达到在目前现有的基础上,各地气象台站所作出的天气预报准确率能大大得到提高。
附图说明
图1是本发明实施例提供的智能相似天气预报方法流程图。
图2是本发明实施例提供的智能相似天气预报系统示意图。
图中:1、天气图划分模块;2、智能机器识别模块;3、多信息采集模块;4、分析模块;5、处理模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
我国各地地形、地貌很复杂,对天气变化影响很大。而复杂地形状况及下垫面性质在数值预报计算过程中,进行修正是很困难的。数值预报在计算过程中:计算方程建立、程序设计、原始资料处理……等,各个环节上,不可避免的会带来一定误差。可能还有一些,能引起大气层中天气变化的因素,至今尚未发现。
如图1所示,本发明实施例提供的智能相似天气预报方法包括以下步骤:
S101:先选一个专区气象台做研发试验;
S102:根据选取的专区气象台地理位置和预报时效长短,分别划定历史天气图上相似位置及范围大小。
S103:建立数据库(历史天气图时间愈长愈好),把历史天气图分月、分时、分各个层次输入。其中:地面天气图测站较密集,填写的气象要素较多,为了便于智能机器识别,所以要对站点密度进行选择,对气象要素也要有所选舍(一般三天以内预报,多用此库资料找相似)。
S104:任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中(做三天以上预报用此库资料找相似)。
S105:当数据库建立后,就可每天进行试报。根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料。
S106:根据寻找相似过程中的难、易程度和试报中发现问题,不断进行改进,到一定程度后,在全国各台站推广。
图2,本发明实施例提供的智能相似天气预报系统,包括:
天气图划分模块1,用于分别划定历史天气图上相似位置及范围大小;
智能机器识别模块2,用于建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;
多信息采集模块3,用于任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中;
分析模块4,用于利用建立的数据库,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;
处理模块5,用于根据分析模块寻找相似过程中的难、易程度和试报中发现问题并不断进行改进。
所述数据库的天气图像的处理方法包括:平滑化的剪裁天气图像的特定像素坐标(a,b))的亮度值表示为f(a,b)时,使用下面的表达式计算所有像素的梯度矢量;
梯度矢量表示在特定像素和相邻像素之间亮度值的程度差的物理量;
基于式(1)所示的梯度矢量的x成分的值和式(2)中所示的梯度矢量的y成分的值,通过式(3)中表达式计算梯度矢量的方向θ;
通过天气图像数据的离散化计算标准天气图像处理中的梯度计算,并且使用如式(4)和式(5)、式(6)中所示的表达式中的微分计算相邻像素之间的梯度;
随着历史进程,数据库历史资料会愈来愈丰厚;加之智能视觉识别技术进一步提高,本发明的天气图(或数值预报天气形势图)相似确认的程度相应大大加强。最终达到在目前现有的基础上,各地气象台站所作出的天气预报准确率能大大得到提高。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种智能相似天气预报方法,其特征在于,所述智能相似天气预报方法包括:
分别划定历史天气图上相似位置及范围大小;
建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;其中:地面天气图测站较密集,填写的气象要素较多,为了便于智能机器识别,所以要对站点密度进行选择,对气象要素也要有所选舍;
任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中;
当数据库建立后,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;
根据寻找相似过程中的难、易程度和试报中发现问题并不断进行改进;
建立数据库中,对地面天气图测站点密度进行选择,对气象要素进行选舍;
所述数据库的天气图像的处理方法包括:平滑化的剪裁天气图像的特定像素坐标(a,b)的亮度值表示为f(a,b)时,使用下面的表达式计算所有像素的梯度矢量;
梯度矢量表示在特定像素和相邻像素之间亮度值的程度差的物理量;
基于式(1)所示的梯度矢量的x成分的值和式(2)中所示的梯度矢量的y成分的值,通过式(3)中表达式计算梯度矢量的方向θ;
通过天气图像数据的离散化计算标准天气图像处理中的梯度计算,并且使用如式(4)和式(5)、式(6)中所示的表达式中的微分计算相邻像素之间的梯度;
2.一种实现权利要求1所述智能相似天气预报方法的计算机程序产品。
3.一种实现权利要求1所述智能相似天气预报方法的信息数据处理终端。
4.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1所述的智能相似天气预报方法。
5.一种如权利要求1所述的智能相似天气预报方法的智能相似天气预报系统,其特征在于,所述智能相似天气预报系统,包括:
天气图划分模块,用于分别划定历史天气图上相似位置及范围大小;
智能机器识别模块,用于建立数据库,把历史天气图分月、分时、分各个层次输入,进行智能机器识别;
多信息采集模块,用于任选一国的数值天气形势预报,同样采用分月、分时、分层次输入数据库中;
分析模块,用于利用建立的数据库,每天进行试报;根据当天的天气图或数值预报天气形势图,分别找出与历史上最大相似日期和该天的天气实况资料;
处理模块,用于根据分析模块寻找相似过程中的难、易程度和试报中发现问题并不断进行改进。
6.一种搭载权利要求5所述智能相似天气预报系统的信息数据处理终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141357.XA CN108491959B (zh) | 2018-02-11 | 2018-02-11 | 一种智能相似天气预报方法及系统、信息数据处理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141357.XA CN108491959B (zh) | 2018-02-11 | 2018-02-11 | 一种智能相似天气预报方法及系统、信息数据处理终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491959A CN108491959A (zh) | 2018-09-04 |
CN108491959B true CN108491959B (zh) | 2021-11-19 |
Family
ID=63340246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810141357.XA Active CN108491959B (zh) | 2018-02-11 | 2018-02-11 | 一种智能相似天气预报方法及系统、信息数据处理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491959B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334255B (zh) * | 2019-07-08 | 2021-09-28 | 北京航天宏图信息技术股份有限公司 | 天气形势显示方法、装置、电子设备及存储介质 |
CN110866630A (zh) * | 2019-09-27 | 2020-03-06 | 兰州大方电子有限责任公司 | 一种历史相似性天气分析方法 |
CN112580845A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
CN112580844A (zh) * | 2019-09-30 | 2021-03-30 | 北京金风慧能技术有限公司 | 气象数据处理方法、装置、设备及计算机可读存储介质 |
CN114332009B (zh) * | 2021-12-28 | 2022-11-08 | 中科三清科技有限公司 | 相似天气形势识别方法、装置、设备及存储介质 |
CN114359696A (zh) * | 2022-01-07 | 2022-04-15 | 博微(宁波)新技术有限公司 | 一种天气图特征类型识别及相似度匹配系统和方法 |
CN114706900B (zh) * | 2022-02-17 | 2024-03-19 | 沈阳工业大学 | 一种基于图像特征组合的降水相似预报方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221714A (zh) * | 2011-03-11 | 2011-10-19 | 钱维宏 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
CN102419394A (zh) * | 2011-09-02 | 2012-04-18 | 电子科技大学 | 一种预测分辨率可变的风光功率预测方法 |
CN104166710A (zh) * | 2014-08-12 | 2014-11-26 | Tcl通讯(宁波)有限公司 | 一种基于移动终端的天气预测方法及其移动终端 |
CN104299044A (zh) * | 2014-07-01 | 2015-01-21 | 沈阳工程学院 | 基于聚类分析的风功率短期预测系统及预测方法 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
CN107656323A (zh) * | 2017-09-11 | 2018-02-02 | 南京信息工程大学 | 一种气象预报方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050198525A1 (en) * | 2004-03-02 | 2005-09-08 | Nokia Corporation | System and associated terminal, method and computer program product for conveying context information and providing a context-based service based upon the context information |
CN103033855B (zh) * | 2012-12-12 | 2013-12-11 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
US9069104B2 (en) * | 2012-12-12 | 2015-06-30 | International Business Machines Corporation | Pathway management using model analysis and forecasting |
CN103499846B (zh) * | 2013-09-03 | 2015-11-25 | 百度在线网络技术(北京)有限公司 | 对天气状况进行预测的方法和设备 |
CN106339775B (zh) * | 2016-08-23 | 2019-10-11 | 北京市环境保护监测中心 | 基于天气分型和气象要素聚类的空气重污染案例判别方法 |
-
2018
- 2018-02-11 CN CN201810141357.XA patent/CN108491959B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221714A (zh) * | 2011-03-11 | 2011-10-19 | 钱维宏 | 基于大气变量物理分解的低温雨雪冰冻天气的中期预报系统和方法 |
CN102419394A (zh) * | 2011-09-02 | 2012-04-18 | 电子科技大学 | 一种预测分辨率可变的风光功率预测方法 |
CN104299044A (zh) * | 2014-07-01 | 2015-01-21 | 沈阳工程学院 | 基于聚类分析的风功率短期预测系统及预测方法 |
CN104166710A (zh) * | 2014-08-12 | 2014-11-26 | Tcl通讯(宁波)有限公司 | 一种基于移动终端的天气预测方法及其移动终端 |
CN107563397A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种卫星云图中云团运动矢量的确定方法 |
CN107656323A (zh) * | 2017-09-11 | 2018-02-02 | 南京信息工程大学 | 一种气象预报方法及装置 |
Non-Patent Citations (1)
Title |
---|
天气图相似识别系统及其在天气预报中的应用;周庭泽 等;《气象》;19910630;第17卷(第6期);第23-26、32页,第二、三、四节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108491959A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491959B (zh) | 一种智能相似天气预报方法及系统、信息数据处理终端 | |
US10648922B2 (en) | Crack analysis device, crack analysis method, and crack analysis program | |
CN109523520B (zh) | 一种基于深度学习的染色体自动计数方法 | |
CN110263717B (zh) | 一种融入街景影像的土地利用类别确定方法 | |
CN103164692B (zh) | 一种基于计算机视觉的特种车辆仪表自动识别系统及方法 | |
CN108648169A (zh) | 高压输电塔绝缘子缺陷自动识别的方法及装置 | |
CN113592822B (zh) | 一种电力巡检图像的绝缘子缺陷定位方法 | |
CN103413036B (zh) | 一种连续化的森林火险天气等级预报方法 | |
CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
CN108009230A (zh) | 数据处理方法和装置 | |
CN108846402A (zh) | 基于多源数据的梯田田坎自动化提取方法 | |
CN115372877B (zh) | 基于无人机的变电站的避雷器泄露电流表计巡检方法 | |
CN114511718A (zh) | 一种建筑施工用物料智能管理方法及系统 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN109632811A (zh) | 基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法 | |
CN115439753A (zh) | 一种基于dem的陡峭河岸识别方法及系统 | |
CN111626358A (zh) | 一种基于bim图片识别的隧道围岩分级方法 | |
CN113837134A (zh) | 一种基于面向对象的深度学习模型和迁移学习的湿地植被识别方法 | |
CN112066998A (zh) | 用于航线地图的渲染方法及系统 | |
CN110929690A (zh) | 一种基于深度神经网络的遥感影像路网提取方法 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
CN112906528B (zh) | 一种融合多源卫星遥感数据的城市建筑物材质分类方法 | |
CN113762020B (zh) | 一种基于矩阵结构深度神经网络的公路路面裂缝检测系统 | |
CN115358507A (zh) | 生产建设项目扰动图斑水土流失风险识别评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240117 Address after: Room 501, Jilin Wanyi College Student Entrepreneurship Park, No. 44 Jianshe Street, Chaoyang District, Changchun City, Jilin Province, 130000 (now No. 1568) Patentee after: Changchun fulcrum Technology Co.,Ltd. Address before: No. 1205, floor 2, yard 52, Beiwa Xili, Haidian District, Beijing 100089 Patentee before: Zhou Mingyang |
|
TR01 | Transfer of patent right |