CN110909297B - 一种数值预报的集合耦合同化系统及方法 - Google Patents
一种数值预报的集合耦合同化系统及方法 Download PDFInfo
- Publication number
- CN110909297B CN110909297B CN201911154881.1A CN201911154881A CN110909297B CN 110909297 B CN110909297 B CN 110909297B CN 201911154881 A CN201911154881 A CN 201911154881A CN 110909297 B CN110909297 B CN 110909297B
- Authority
- CN
- China
- Prior art keywords
- assimilation
- algorithm
- coupling
- mode
- module
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Geometry (AREA)
- Ecology (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数值预报的集合耦合同化系统及方法。所述集合耦合同化系统包括:耦合模式集成与协同集合运行管理模块、同化算法集成模块、集合耦合同化试验配置模块和集合耦合同化在线交互模块。本发明能够实现同一耦合模式所有集合成员在同一MPI任务下的协同运行,支持不同分量模式灵活使用不同的同化算法实例,支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,最终提高相应同化系统的运行效率和同化配置的灵活性。
Description
技术领域
本发明涉及数值预报技术领域。更具体的,本发明涉及一种数值预报的集合耦合同化系统及方法。
背景技术
应对延长预报时效与无缝隙预报业务发展的需求,传统的基于大气模式的数值天气预报正朝着基于耦合模式和耦合同化技术的方向发展。与耦合模式相比,耦合同化正处在发展的初期,不仅同化方法面临着诸多挑战性问题,如何构建通用耦合同化框架是其与计算机科学交叉中面临的重大挑战。
基于最优控制的四维变分和基于集合预报的集合卡曼滤波是业务中应用较广泛的先进同化方法,两者互有优缺点;而有机结合集合和变分的混合同化方法(如集合三维变分、集合四维变分等)可有效避免两者的缺点,逐步成为未来数值预报中数据同化技术的主流。在采用集合卡曼滤波或混合同化等基于同一模式集合预报的同化算法来构建耦合同化系统(简称为集合耦合同化系统)时,需要实现相应耦合模式所有集合成员与同化算法之间的交互。
基于文件读写的离线交互是最早采用的实现方式,其基本思路(如图1所示)是:继续保持模式各集合成员和同化模块之间运行的独立性(模式各集合成员、同化模块均独立执行),约定好数据文件接口(数据文件格式、变量名等),并利用脚本控制来实现模式各集合成员与同化模块之间的交替重启动、运行与交互。这一实现方式可尽量保持模式及同化模块的代码不变,因而容易实现,较多集合耦合同化系统采用了这一实现方式,如美国NCAR(国家大气研究中心)开发的DART、美国GFDL(国家地球物理流体动力学实验室)开发的CDA、美国DTC(Developmental Testbed Center)开发的GSI_EnKF等。尽管如此,由于数据文件读写操作和软件(模式和同化模块)重启动过程的开销大、并行可扩展性差(例如图2),这一实现方式存在着计算效率低这一明显缺点。随着模式分辨率和同化频率的提高,软件重启动和数据文件读写的开销会不断增加,而同化系统的运行速度会不断降低,这将会限制预报结果的及时性,甚至使得在墙钟时间内无法完成规定时长的预报。
为了避免离线交互的上述问题,德国AWI(亥姆霍兹极地与海洋研究中心)研发了支持在线交互的PDAF(并行数据同化框架)。其基本思路(如图2所示)是:实现模式所有集合成员在同一MPI(即消息传递接口,用于编程并行程序,几乎所有模式都采用其实现并行版本)任务内的并行运行,实现模式所有集合成员对同一同化算法的直接调用,研发两者之间基于MPI的交互模块,从而实现无需文件读写的在线交互,并避免了模式的重启动。尽管PDAF集成了多个集合同化算法并已应用于多个模式的同化系统研制,但其在线交互方式难以支持耦合模式,即难以支持耦合同化,这是因为:1)PDAF要求被同化的分量模式使用所有MPI进程,而在绝大部分耦合模式中,一个分量模式仅使用耦合模式的部分MPI进程;2)在耦合同化试验中,可能需要采用不同的同化算法对多个分量模式进行同化,但PDAF只允许使用一个同化算法,这给耦合同化带来了限制。此外,PDAF要求同化算法只使用模式第一个集合成员的MPI进程,这给同化算法的运行速度带来了限制。
综上所述,当前集合耦合同化的发展面临着严峻技术挑战,国内外均没有基于高效在线交互方式实现的集合耦合同化框架,只能采用基于文件读写的低效离线交互方式来研制集合耦合同化系统。
发明内容
本发明实施例通过提供一种数值预报的集合耦合同化系统及方法,其能够实现同一耦合模式所有集合成员在同一MPI任务下的协同运行,支持不同分量模式灵活使用不同的同化算法实例,支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,完成模式与同化算法间无需经过数据文件的高效在线交互,并在在线交互过程中,能并行完成多种集合数据操作、不同网格间的数据插值等,最终提高相应同化系统的运行效率和同化配置的灵活性。
本发明实施例提供了一种数值预报的集合耦合同化系统,其特征在于:所述集合耦合同化系统包括:耦合模式集成与协同集合运行管理模块、同化算法集成模块、集合耦合同化试验配置模块和集合耦合同化在线交互模块;
所述耦合模式集成与协同集合运行管理模块,用于集成任意耦合模式,实现同一耦合模式多个集合成员的配置和编译操作,启动所有集合成员在同一MPI任务内的同时并行运行;
所述同化算法集成模块,用于集成任意同化算法或同化算法库,能将各同化算法或同化算法库自动编译为动态链接库,以供分量模式间接调用;
所述集合耦合同化试验配置模块,用于用户对集合耦合同化试验的配置,支持用户对耦合模式的选择、对各分量模式所采用同化算法的选择、对集合成员数量的设置、对各同化算法所处理同化变量的设置、对各同化算法同化频率的设置;
所述集合耦合同化在线交互模块,用于同一耦合模式所有集合成员在同一MPI任务内同时并行运行过程中,完成分量模式与同化算法之间的在线交互。
进一步地,所述集合耦合同化在线交互模块,包括:同化配置信息接口子模块,用于读入并解析来自于所述集合耦合同化试验配置模块的耦合模式选择、同化算法选择、同化变量和同化频率配置信息。
进一步地,所述集合耦合同化在线交互模块,还包括:同化算法运行管理子模块,用于管理所有同化算法实例,其中在集合耦合同化系统启动过程中,自动完成动态链接库及其中同化算法的加载。
进一步地,所述集合耦合同化在线交互模块,还包括:集合计算操作子模块,用于根据同化试验配置信息和同化算法声明的输入/输出变量,在分量模式与同化算法进行交互时,自动完成针对各变量的集合操作。
进一步地,所述集合耦合同化在线交互模块,还包括:数据在线交换子模块,用于完成同一分量模式各集合成员的MPI进程与相应同化算法实例的MPI进程之间相关变量的并行数据传递。
进一步地,所述集合耦合同化在线交互模块,还包括:数据并行插值子模块,用于完成当分量模式与相应同化算法实例的网格不同时,变量数据在不同网格间的并行插值。
本发明实施例提供了一种数值预报的集合耦合同化方法,基于所述数值预报的集合耦合同化系统实现,所述方法包括:
集成同化算法或同化算法库,将同化算法或同化算法库的所有代码及相应输入数据集成至同化算法集成模块,使同化算法或同化算法库能被自动编译为动态链接库;
集成耦合模式,将耦合模式的所有代码及相应输入数据集成至耦合模式集成与协同集合运行管理模块,使耦合模式所有集合成员能被配置、编译且同时运行;
设置集合耦合同化试验配置,在选定耦合模式后,设定同化试验的集合成员数量,选定各分量模式使用的同化算法;
运行所述集合耦合同化系统,采用耦合模式集成与协同集合运行管理模块,在完成所有代码的编译后,运行集合耦合同化系统。
进一步地,所述集成同化算法或同化算法库的步骤,还包括:基于应用程序接口子模块中的API,生成同化算法或同化算法库的框架接口程序,接通同化算法或同化算法库的启动程序、运行程序和结束程序、完成同化算法输入/输出变量的声明、接通同化算法的输入/输出变量。
进一步地,所述集成耦合模式的步骤,还包括:耦合模式的相应输入数据包括启动数据、外强迫数据。
进一步地,所述设置集合耦合同化试验配置的步骤,还包括:设定各同化算实例的同化变量和同化频率。
本发明提供的数值预报的集合耦合同化系统及方法能够实现支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,完成模式与同化算法间无需经过数据文件的高效在线交互,提高相应同化系统的运行效率和同化配置的灵活性。
附图说明
图1是现有技术中的基于读写数据文件方式实现同化系统示意图;
图2是现有技术中的基于重构模式框架方式实现的同化系统示意图;
图3是本发明具体实施方式提供的数值预报的集合耦合同化系统的结构示意图。
具体实施方式
下面结合说明书附图针对本发明的具体实施方式作进一步详细的说明。
本发明具体实施方式提供一种数值预报的集合耦合同化系统,其能够实现同一耦合模式所有集合成员在同一MPI任务下的协同运行,支持不同分量模式灵活使用不同的同化算法实例,支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,完成模式与同化算法间无需经过数据文件的高效在线交互,并在在线交互过程中,能并行完成多种集合数据操作、不同网格间的数据插值等,最终提高相应同化系统的运行效率和同化配置的灵活性。
请参阅图3,所示为本发明一实施方式中数值预报的集合耦合同化系统的框架示意图。在本实施方式中,数值预报的集合耦合同化系统主要包括四个模块:耦合模式集成与协同集合运行管理模块、同化算法集成模块、集合耦合同化试验配置模块和集合耦合同化在线交互模块。
耦合模式集成与协同集合运行管理模块,用于集成任意耦合模式,实现同一耦合模式多个集合成员的一键配置和一键编译等操作,启动所有集合成员在同一MPI任务内的同时并行运行,管理所有集合成员的工作目录。耦合模式集成与协同集合运行管理模块成功集成的耦合模式,通常是采用多个MPI进程运行的并行程序,并已利用集合耦合同化在线交互模块提供的应用程序接口API,实现了框架接口程序。
同化算法集成模块,用于集成任意同化算法或同化算法库,能将各同化算法或同化算法库自动编译为动态链接库,以供模式间接调用。同化算法集成模块成功集成的同化算法或同化算法库,利用集合耦合同化在线交互模块提供的应用程序接口API,实现了框架接口程序。
集合耦合同化试验配置模块,用于用户对集合耦合同化试验的配置,支持用户对耦合模式的选择、对各分量模式所采用同化算法的选择、对集合成员数量的设置、对各同化算法所处理同化变量的设置、对各同化算法同化频率的设置。
集合耦合同化在线交互模块,用于同一耦合模式所有集合成员在同一MPI任务内同时并行运行过程中,完成分量模式与同化算法之间的在线交互。
上述集合耦合同化在线交互模块包括应用程序接口子模块、同化配置信息接口子模块、同化算法运行管理子模块、集合计算操作子模块、数据在线交换子模块、数据并行插值子模块和交互程序流程管理子模块。
应用程序接口子模块,用于为数值预报的集合耦合同化系统提供不同应用程序接口,包括耦合模式所有集合成员进行协同运行的应用程序接口API、模式启动/运行/结束同化算法实例的应用程序接口API、模式指定输入/输出变量信息的应用程序接口API、同化算法从分量模式获取到输入参数信息的应用程序接口API、同化算法声明输入/输出变量的应用程序接口API、获取同化试验配置信息的应用程序接口API。其中,模式指定输入/输出变量信息包括:变量名、所在网格、并行剖分、存储空间信息。
同化配置信息接口子模块,用于读入并解析来自于集合耦合同化试验配置模块的耦合模式选择、同化算法选择、同化变量和同化频率配置信息。
同化算法运行管理子模块,用于管理所有同化算法实例,对于各同化算法实例,同化算法运行管理子模块利用相应分量模式所有集合成员的MPI进程,启动、运行并结束同化算法实例,其中在启动过程中,自动完成动态链接库及其中同化算法的加载。
集合计算操作子模块,用于根据同化试验配置信息和同化算法声明的输入/输出变量,在分量模式与同化算法进行交互时,自动完成针对各变量的集合操作,其中集合操作包括集合聚合、集合平均、集合最大、集合最小、分发;且当采用时间平均量进行同化时,自动求取模式变量的时间平均值。
数据在线交换子模块,用于完成同一分量模式各集合成员的MPI进程与相应同化算法实例的MPI进程之间相关变量的并行数据传递,涉及到MPI数据通信。
数据并行插值子模块,用于完成当分量模式与相应同化算法实例的网格不同时,变量数据在不同网格间的并行插值。
交互程序流程管理子模块,用于调用同化算法运行管理子模块、集合计算操作子模块、数据在线交换子模块和数据并行插值子模块的相应功能,根据来源于应用程序接口和同化配置的信息,在分量模式启动同化算法实例时,自动构建分量模式与同化算法间的在线交互程序流程,在分量模式运行同化算法时,自动运行在线交互程序流程,并在分量模式结束同化算法实例时,自动结束在线交互程序流程。
本发明具体实施方式还提供一种数值预报的集合耦合同化方法,其能够实现同一耦合模式所有集合成员在同一MPI任务下的协同运行,支持不同分量模式灵活使用不同的同化算法实例,支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,完成模式与同化算法间无需经过数据文件的高效在线交互,并在在线交互过程中,能并行完成多种集合数据操作、不同网格间的数据插值等,最终提高相应同化系统的运行效率和同化配置的灵活性。
该数值预报的集合耦合同化方法,基于数值预报的集合耦合同化系统实现,包括以下步骤:
步骤1:集成同化算法或同化算法库,将同化算法或同化算法库的所有代码及相应输入数据集成至同化算法集成模块,其中输入数据包括观测数据。使同化算法或同化算法库能被自动编译为动态链接库。基于应用程序接口子模块中的API,研制同化算法或同化算法库的框架接口程序,接通同化算法或同化算法库的启动程序、运行程序和结束程序、完成同化算法输入/输出变量的声明、接通同化算法的输入/输出变量。
步骤2:集成耦合模式,将耦合模式的所有代码及相应输入数据集成至耦合模式集成与协同集合运行管理模块,相应输入数据包括启动数据、外强迫数据。使耦合模式所有集合成员能被一键配置、一键编译且一键同时运行。基于应用程序接口子模块中的API,研制模式的框架接口程序,其中实现模式所有集合成员的协同运行、指定模式输入/输出变量的信息、调用启动/运行/结束同化算法实例的API。
步骤3:设置集合耦合同化试验配置,在选定耦合模式后,设定同化试验的集合成员数量,选定各分量模式使用的同化算法,部分分量模式可不使用同化算法,设定各同化算实例的同化变量和同化频率。所述耦合模式包括若干个分量模式。
步骤4:运行集合耦合同化系统,采用耦合模式集成与协同集合运行管理模块,在完成所有代码的编译后,运行集合耦合同化系统,实现分量模式与同化算法的高效在线交互。
本发明具体实施方式提供的数值预报的集合耦合同化系统及方法,能够实现支持一个同化算法实例使用相应分量模式所有集合成员的所有MPI进程以进行并行运行,完成模式与同化算法间无需经过数据文件的高效在线交互,提高相应同化系统的运行效率和同化配置的灵活性。
本领域的技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数值预报的集合耦合同化系统,其特征在于:所述集合耦合同化系统包括:耦合模式集成与协同集合运行管理模块、同化算法集成模块、集合耦合同化试验配置模块和集合耦合同化在线交互模块;
所述耦合模式集成与协同集合运行管理模块,用于集成任意耦合模式,实现同一耦合模式多个集合成员的配置和编译操作,启动所有集合成员在同一MPI任务内的同时并行运行;
所述同化算法集成模块,用于集成任意同化算法或同化算法库,能将各同化算法或同化算法库自动编译为动态链接库,以供分量模式间接调用;
所述集合耦合同化试验配置模块,用于用户对集合耦合同化试验的配置,支持用户对耦合模式的选择、对各分量模式所采用同化算法的选择、对集合成员数量的设置、对各同化算法所处理同化变量的设置、对各同化算法同化频率的设置;
所述集合耦合同化在线交互模块,用于同一耦合模式所有集合成员在同一MPI任务内同时并行运行过程中,完成分量模式与同化算法之间的在线交互。
2.根据权利要求1所述的集合耦合同化系统,其特征在于:所述集合耦合同化在线交互模块,包括:
同化配置信息接口子模块,用于读入并解析来自于所述集合耦合同化试验配置模块的耦合模式选择、同化算法选择、同化变量和同化频率配置信息。
3.根据权利要求2所述的集合耦合同化系统,其特征在于:所述集合耦合同化在线交互模块,还包括:
同化算法运行管理子模块,用于管理所有同化算法运行实例,其中在启动同化算法运行实例过程中,自动完成动态链接库及其中同化算法的加载。
4.根据权利要求3所述的集合耦合同化系统,其特征在于:所述集合耦合同化在线交互模块,还包括:
集合计算操作子模块,用于根据同化试验配置信息和同化算法声明的输入/输出变量,在分量模式与同化算法进行交互时,自动完成针对各变量的集合操作。
5.根据权利要求4所述的集合耦合同化系统,其特征在于:所述集合耦合同化在线交互模块,还包括:
数据在线交换子模块,用于完成同一分量模式各集合成员的MPI进程与相应同化算法实例的MPI进程之间相关变量的并行数据传递。
6.根据权利要求5所述的集合耦合同化系统,其特征在于:所述集合耦合同化在线交互模块,还包括:数据并行插值子模块,用于完成当分量模式与相应同化算法实例的网格不同时,变量数据在不同网格间的并行插值。
7.一种数值预报的集合耦合同化方法,其特征在于,基于权利要求1至6中任一项所述的数值预报的集合耦合同化系统实现,所述方法包括:
集成同化算法或同化算法库,将同化算法或同化算法库的所有代码及相应输入数据集成至同化算法集成模块,使同化算法或同化算法库能被自动编译为动态链接库;
集成耦合模式,将耦合模式的所有代码及相应输入数据集成至耦合模式集成与协同集合运行管理模块,使耦合模式所有集合成员能被配置、编译且同时运行;
设置集合耦合同化试验配置,在选定耦合模式后,设定同化试验的集合成员数量,选定各分量模式使用的同化算法;
运行所述集合耦合同化系统,采用耦合模式集成与协同集合运行管理模块,在完成所有代码的编译后,运行集合耦合同化系统。
8.根据权利要求7所述的集合耦合同化方法,其特征在于:所述集成同化算法或同化算法库的步骤,还包括:基于应用程序接口子模块中的API,生成同化算法或同化算法库的框架接口程序,接通同化算法或同化算法库的启动程序、运行程序和结束程序、完成同化算法输入/输出变量的声明、接通同化算法的输入/输出变量。
9.根据权利要求8所述的集合耦合同化方法,其特征在于:所述集成耦合模式的步骤中,耦合模式的相应输入数据包括启动数据和外强迫数据。
10.根据权利要求9所述的集合耦合同化方法,其特征在于:所述设置集合耦合同化试验配置的步骤,还包括:设定各同化算实例的同化变量和同化频率。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154881.1A CN110909297B (zh) | 2019-11-22 | 2019-11-22 | 一种数值预报的集合耦合同化系统及方法 |
PCT/CN2019/122765 WO2021097917A1 (zh) | 2019-11-22 | 2019-12-03 | 一种数值预报的集合耦合同化系统及方法 |
US17/778,822 US20220398505A1 (en) | 2019-11-22 | 2019-12-03 | Ensemble Coupled Assimilation System for Numerical Prediction and Method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911154881.1A CN110909297B (zh) | 2019-11-22 | 2019-11-22 | 一种数值预报的集合耦合同化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909297A CN110909297A (zh) | 2020-03-24 |
CN110909297B true CN110909297B (zh) | 2020-11-27 |
Family
ID=69818858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911154881.1A Active CN110909297B (zh) | 2019-11-22 | 2019-11-22 | 一种数值预报的集合耦合同化系统及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220398505A1 (zh) |
CN (1) | CN110909297B (zh) |
WO (1) | WO2021097917A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597669B (zh) * | 2021-03-02 | 2021-08-27 | 北京卡普拉科技有限公司 | 一种模拟试验平台及其工作方法 |
CN113156395B (zh) * | 2021-04-07 | 2022-08-12 | 中国科学院大气物理研究所 | 气溶胶激光雷达数据融合方法及系统 |
CN117217027B (zh) * | 2023-11-02 | 2024-01-30 | 中国人民解放军国防科技大学 | 基于四维变分同化的污染物点源廓线排放估算方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754125A (zh) * | 2019-01-18 | 2019-05-14 | 中国农业大学 | 基于作物模型、历史和气象预报数据的作物产量预报方法 |
CN110472281A (zh) * | 2019-07-11 | 2019-11-19 | 北京师范大学 | 一种估算时空连续地表水热通量的数据同化方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707932B (zh) * | 2012-05-16 | 2013-07-24 | 清华大学 | 一种用于地球系统模式的并行耦合方法 |
US10185045B2 (en) * | 2014-02-02 | 2019-01-22 | Ertha Space Technologies | Earthquake forecaster |
CN109426886A (zh) * | 2017-08-29 | 2019-03-05 | 北京思湃德信息技术有限公司 | 一种气候预测系统 |
CN108764515A (zh) * | 2018-04-04 | 2018-11-06 | 河海大学 | 一种耦合数值气象水文集合预报的水库调度风险决策方法 |
CN109783932B (zh) * | 2019-01-14 | 2022-10-28 | 哈尔滨工程大学 | 一种结合最优观测时间窗口的强耦合数据同化方法 |
CN109976723B (zh) * | 2019-03-12 | 2022-08-12 | 北京国电智深控制技术有限公司 | 一种算法开发平台、算法开发方法及计算机可读存储介质 |
CN110309481B (zh) * | 2019-04-24 | 2023-05-02 | 武汉大学 | 农田土壤反应动力学过程模型建模方法 |
CN110209353B (zh) * | 2019-05-17 | 2022-10-21 | 青岛海洋科学与技术国家实验室发展中心 | 区域耦合预报系统中roms模式的i/o并行加速方法、装置及介质 |
-
2019
- 2019-11-22 CN CN201911154881.1A patent/CN110909297B/zh active Active
- 2019-12-03 WO PCT/CN2019/122765 patent/WO2021097917A1/zh active Application Filing
- 2019-12-03 US US17/778,822 patent/US20220398505A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754125A (zh) * | 2019-01-18 | 2019-05-14 | 中国农业大学 | 基于作物模型、历史和气象预报数据的作物产量预报方法 |
CN110472281A (zh) * | 2019-07-11 | 2019-11-19 | 北京师范大学 | 一种估算时空连续地表水热通量的数据同化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110909297A (zh) | 2020-03-24 |
US20220398505A1 (en) | 2022-12-15 |
WO2021097917A1 (zh) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909297B (zh) | 一种数值预报的集合耦合同化系统及方法 | |
CN113034095B (zh) | 结合rpa和ai的人机互动方法、装置、存储介质及电子设备 | |
CN112988153A (zh) | 基于微前端的数据处理方法及框架 | |
WO2013101563A1 (en) | Cloud-edge topologies | |
CN110543301B (zh) | jenkins代码文件的生成方法及装置 | |
CN109447406A (zh) | 一种创建流程的方法以及创建流程的装置 | |
CN112379884A (zh) | 基于Spark和并行内存计算的流程引擎实现方法及系统 | |
CN111679860A (zh) | 分布式信息处理方法及装置 | |
CN111158800A (zh) | 基于映射关系构建任务dag的方法及装置 | |
CN115994085A (zh) | 代码覆盖率的测试处理方法、装置、设备及存储介质 | |
CN116974994A (zh) | 一种基于集群的高效能文件协作系统 | |
CN113626035B (zh) | 基于tvm面向risc-v设备的神经网络编译方法 | |
CN112632113B (zh) | 一种算子管理方法和算子管理系统 | |
CN115421847A (zh) | 支持多引擎的研发运维平台和cicd流水线的管理方法及设备 | |
CN113849161A (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN111782641A (zh) | 数据错误修复方法及系统 | |
CN113961260A (zh) | 系统控制软件的运行方法、系统、计算机设备及存储介质 | |
CN113220592A (zh) | 自动化测试资源的处理方法、装置、服务器及存储介质 | |
US20220261227A1 (en) | Code Generation Tool for Cloud-Native High-Performance Computing | |
CN116755938B (zh) | 计算重启方法、装置、存储介质及电子设备 | |
CN111208980B (zh) | 一种数据分析处理方法和系统 | |
CN114564175A (zh) | 软件开发方法、智能终端及存储介质 | |
CN117289924A (zh) | 一种基于Flink的可视化任务编排系统和方法 | |
CN114089993A (zh) | 数据作业的处理方法及装置 | |
CN114115909A (zh) | 编译期Dubbo协议转换方法及装置 |
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 |