CN117849907B - 基于多源数据的气象灾害靶向预警方法及系统 - Google Patents
基于多源数据的气象灾害靶向预警方法及系统 Download PDFInfo
- Publication number
- CN117849907B CN117849907B CN202410259267.6A CN202410259267A CN117849907B CN 117849907 B CN117849907 B CN 117849907B CN 202410259267 A CN202410259267 A CN 202410259267A CN 117849907 B CN117849907 B CN 117849907B
- Authority
- CN
- China
- Prior art keywords
- data
- rainwater
- grade
- risk
- disaster
- 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 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 91
- 238000001556 precipitation Methods 0.000 claims abstract description 40
- 230000008685 targeting Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims description 48
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 230000005684 electric field Effects 0.000 claims description 17
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000015654 memory Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013506 data mapping Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012824 chemical production Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了基于多源数据的气象灾害靶向预警方法及系统，涉及气象预警技术领域，为了解决气象数据监测不精准以及气象灾害无法准确预警的问题。本发明的湿度传感器还包括视频采集器，当监测区域的湿度值不在标准湿度范围内时，视频采集器将监测区域进行图像采集，并判断监测区域是否有雨水，若存在雨水气象则及时将监测区域的雨水降水量数据进行监测，大大降低了雨水不明显时，无法监测雨水降水量的问题，进行曲线重叠对比可以更直观的对比他们之间的变化趋势和相似性，可以更好地理解数据的动态变化，从而为决策制定提供更准确、更全面的信息。
Description
技术领域
本发明涉及气象预警技术领域，具体为基于多源数据的气象灾害靶向预警方法及系统。
背景技术
气象预警是指气象部门在监测到可能出现的极端天气情况时，向公众发布的一种预警信息，通过雷电、大风、暴雨等灾害性天气监测预报预警，构建航空、农业、电力、旅游、保险、危化生产等行业气象服务，提供气象靶向预报预警服务，充分结合行业生产能力，辅助决策，最终促进社会经济提升。
公开号为CN117152919A的中国专利公开了一种基于多源异构综合数据库的气象灾害预警系统，主要通过多源数据采集能够提供更全面的信息，有助于准确预测和预警气象灾害；可以确保数据的准确性和一致性，为后续的预测和预警模块提供高质量的输入；综合分析不同的数据和参数，利用数值预报、机器学习和人工智能方法进行预测和预警，多模块的组合能够提高预测的准确性和可靠性；通过对降雨可能诱发的地质灾害进行预测，可以提前采取措施减轻灾害风险，上述专利虽然解决了气象数据预警的问题，但是在实际操作中还存在以下问题：
1.没有将采集的气象数据根据具体阈值进行灾害等级的判断，从而导致无法及时判断气象灾害等级。
2.没有将监测的气象数据与作业故障和作业风险进行对比，从而导致监测的气象数据无法进行分析预警。
3.没有对降水量数据进行更详细的监测，从而导致降水量数据获取不精准。
发明内容
本发明的目的在于提供基于多源数据的气象灾害靶向预警方法及系统，湿度传感器还包括视频采集器，当监测区域的湿度值不在标准湿度范围内时，视频采集器将监测区域进行图像采集，并判断监测区域是否有雨水，若存在雨水气象则及时将监测区域的雨水降水量数据进行监测，大大降低了雨水不明显时，无法监测雨水降水量的问题，进行曲线重叠对比可以更直观的对比他们之间的变化趋势和相似性，可以更好地理解数据的动态变化，从而为决策制定提供更准确、更全面的信息，可以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
基于多源数据的气象灾害靶向预警方法，包括如下步骤：
S1：根据自动观测站、雷达站、大气电场仪和闪电定位仪将气象数据进行获取，并将获取的气象数据根据气象数据类别分别进行独立存储；
S2：将获取的气象数据根据数据的阈值进行气象灾害等级划分，根据气象灾害等级将不同气象属性的气象数据分别存储至对应的存储器中；
S3：获取作业故障等级数据和作业风险等级数据，将作业故障等级数据和作业风险等级数据与每个存储器中的数据进行数据分析，并根据分析结果判断每个气象数据属性对应的气象灾害等级是否达到作业故障等级数据和作业风险等级数据的标准。
优选的，S1中根据自动观测站、雷达站、大气电场仪和闪电定位仪将气象数据进行获取，包括：
自动观测站包括温度传感器、湿度传感器、降水传感器和风速传感器；
其中，温度传感器将监测区域中空气和地表的温度数据进行获取；
湿度传感器将监测区域中空气的湿度数据进行获取；
降水传感器将监测区域中雨和雪的降水量数据进行获取；
风速传感器将监测区域中风的速度、方向和强度的数据进行获取；
雷达站将监测区域中的强回波区域进行确认，根据强回波区域确认闪电定位、大气电场的分布位置，最后得到回波数据；
大气电场仪和闪电定位仪将监测区域中的大气电场变化以及闪电发生的强度、方向、频率及其变化的雷电数据进行获取；
并将温度传感器、湿度传感器、降水传感器、风速传感器、雷达站以及大气电场仪和闪电定位仪的监测数据分别进行存储。
优选的，所述还包括视频采集器；
当湿度传感器监测区域的湿度值高于预设的湿度阈值时，视频采集器进行自动启动；
视频采集器将监测区域的图像进行采集，并提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱；
根据元素特征图谱在预设的雨水特征库中查找元素特征图谱对应的多个类似雨水倒影图像和类似雨水环境图像；
其中，雨水特征知识图谱内包括的平均元素特征信息和监测区域的图像中所有元素的元素特征信息。
优选的，提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱，包括：
将监测区域的图像按照特征相关性进行轮廓提取，并根据轮廓提取结果，将监测区域的图像划分为多个不同的背景区域图像；
提取背景区域图像中的背景特征，将主体特征与环境背景图库中的背景图进行匹配，确定背景区域图像对应的背景环境；
获取背景环境对于雨水的识别难度，并基于识别难度确定对每个背景区域图像的元素提取数量和元素提取精度；
获取雨水图像特征提取的全部元素，并基于元素对雨水图像识别匹配的重要程度，对全部元素按照重要程度从大到小的顺序进行排序，得到元素序列，并为每个元素匹配对应的特征提取网络；
基于背景区域图像的元素提取数量从元素序列按照顺序匹配对应数量的目标元素，并从特征提取网络中匹配为目标元素匹配对应的初始特征提取网络；
基于元素提取精度，为初始特征提取网络设置对应的网络参数，得到目标特征提取网络；
将背景区域图像输入对应的目标特征提取网络中得到对应的元素特征，据元素特征生成监测区域的图像的元素特征图谱。
优选的，所述湿度传感器，还包括：
雨水特征库包括多种雨水在不同环境下的对照图像；
类似雨水倒影图像表示雨水在不同环境下的环境倒影图像；
根据多个类似雨水倒影图像和类似雨水环境图像，提取雨水特征；
将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，并在存在雨水时，根据对应的监测区域的图像进行雨水区域标定，并通过降水传感器将雨水量进行监测。
优选的，将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，包括：
基于雨水特征的特征格式，并根据如下公式计算对元素特征信息的格式转换值；
；
其中，表示元素特征信息的特征格式值，/>表示雨水特征的特征格式值，/>表示格式转换参考参数，取值为1.35；
基于元素特征信息对应的格式转换值，从格式转化规则库中匹配对应的目标格式转化规则，并基于目标格式转换规则对元素特征信息进行格式标准化，得到目标元素特征信息；
基于如下公式计算目标元素特征信息和雨水特征之间的匹配值；
；
其中，n表示目标元素特征信息和雨水特征的特征维度数量，表示目标元素特征信息中第i个特征维度的特征维度值，/>表示雨水特征中第i个特征维度的特征维度值，/>表示目标元素特征信息和雨水特征的第i个特征维度的匹配权重，取值为（0.6，1.2）；
判断匹配值是否大于预设匹配值；
若是，确定存在雨水；
否则，确定不存在雨水。
优选的，针对S2中根据数据的阈值进行气象灾害等级划分，包括：
将温度传感器、湿度传感器、降水传感器和风速传感器监测的数据进行数值转换；
转换完成后得到监测区域的温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据；
根据温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据的数值范围，分别将温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据对应至不同等级气象灾害等级；
其中，气象灾害等级分为一级灾害、二级灾害、三级灾害和四级灾害。
优选的，针对S3中作业故障等级数据和作业风险等级数据的获取，包括：
作业故障等级数据和作业风险等级数据从气象数据库中进行调取；
其中，作业故障等级数据为不同等级的故障中，故障的频率、故障的后果、故障的描述和故障的处理措施，其中，不同等级包括轻微故障、一般故障、严重故障和致命故障；
作业风险等级数据为不同的风险中、风险的概率、风险的描述、风险的影响程度和风险的管理措施，不同的风险包括低风险、中等风险和高风险。
基于多源数据的气象灾害靶向预警系统，包括：
数据对比模块，用于：
将作业故障等级数据中的故障等级和作业风险等级数据中的风险等级进行获取，并将故障等级和风险等级进行曲线数据转换；
将监测的气象灾害等级以及该气象灾害等级对应的气象属性数据进行获取，并进行曲线数据转换；
将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应。
优选的，将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应，包括：
将气象灾害等级的曲线数据按照气象属性进行划分，得到第一划分数据，将气象灾害等级的曲线数据按照灾害等级进行划分，得到每个气象灾害等级对应的第二划分数据；
将第二划分数据分别与故障等级和风险等级的曲线数据进行匹配，确定第二划分数据与故障等级和风险等级的曲线数据的匹配度；
判断匹配度是否大于预设匹配度；
若是，将第二划分数据与故障等级和风险等级的曲线数据进行数据对应；
否则，确定出不匹配的故障等级和风险等级的第一曲线数据，将其他曲线数据作为第二曲线数据，并获取与第一曲线数据相关的目标气象属性，从第一划分数据中匹配对应的目标划分数据；
获取目标划分数据在第二划分数据中的数据位置，并基于数据位置确定对应的相关气象灾害等级，基于目标划分数据在相关气象灾害等级中的数据占比与第二曲线数据在对应气象灾害等级中的占比进行气象灾害等级的位置确定，得到目标位置，基于目标位置对应的气象灾害等级的曲线数据与故障等级和风险等级的曲线数据进行数据对应。
优选的，还包括：
对应数据分析模块，用于：
曲线数据对应时，选择气象灾害等级的曲线数据与故障等级和风险等级的曲线数据重合度最高的曲线数据作为气象灾害数据的目标作业故障数据和目标作业风险数据；
分别将气象灾害数据位与故障等级和风险等级中的等级位置进行确认；
根据气象灾害数据的位置确认该气象灾害数据中作业故障等级数据和作业风险等级数据的等级指标。
与现有技术相比，本发明的有益效果如下：
1.本发明提供的基于多源数据的气象灾害靶向预警方法及系统，通过对气象作业故障数据的收集和分析，可以识别故障模式，了解故障发生的原因和规律，进而进行故障诊断和预测，通过了解气象作业中存在的风险因素和可能发生的风险事件，企业可以制定相应的风险管理策略，进行曲线重叠对比可以更直观的对比他们之间的变化趋势和相似性，可以更好地理解数据的动态变化，从而为决策制定提供更准确、更全面的信息。
2.本发明提供的基于多源数据的气象灾害靶向预警方法及系统，将采集的气象数据进行数值数据转换，将每个气象数据的数值分别对应不同的气象灾害等级，可以更好的根据灾害等级进行不同的气象防护措施。
3.本发明提供的基于多源数据的气象灾害靶向预警方法及系统，湿度传感器还包括视频采集器，当监测区域的湿度值不在标准湿度范围内时，视频采集器将监测区域进行图像采集，并判断监测区域是否有雨水，若存在雨水气象则及时将监测区域的雨水降水量数据进行监测，大大降低了雨水不明显时，无法监测雨水降水量的问题。
附图说明
图1为本发明基于多源数据的气象灾害靶向预警方法的整体流程示意图；
图2为本发明中的气象数据获取流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术中，进行气象监测时，没有对降水量数据进行更详细的监测，从而导致降水量数据获取不精准的问题，请参阅图1和图2，本实施例提供以下技术方案：
基于多源数据的气象灾害靶向预警方法，包括如下步骤：
S1：根据自动观测站、雷达站、大气电场仪和闪电定位仪将气象数据进行获取，并将获取的气象数据根据气象数据类别分别进行独立存储；
其中，视频采集器将监测区域进行图像采集，并判断监测区域是否有雨水，若有雨水则通过降水传感器将雨水量进行监测；
S2：将获取的气象数据根据数据的阈值进行气象灾害等级划分，根据气象灾害等级将不同气象属性的气象数据分别存储至对应的存储器中；
其中，将采集的气象数据进行数值数据转换，将每个气象数据的数值分别对应不同的气象灾害等级，可以更好的根据灾害等级进行不同的气象防护措施；
S3：获取作业故障等级数据和作业风险等级数据，将作业故障等级数据和作业风险等级数据与每个存储器中的数据进行数据分析，并根据分析结果判断每个气象数据属性对应的气象灾害等级是否达到作业故障等级数据和作业风险等级数据的标准；
其中，通过对气象作业故障数据的收集和分析，可以识别故障模式，了解故障发生的原因和规律，通过了解气象作业中存在的风险因素和可能发生的风险事件，企业可以制定相应的风险管理策略。
S1中根据自动观测站、雷达站、大气电场仪和闪电定位仪将气象数据进行获取，包括：
自动观测站包括温度传感器、湿度传感器、降水传感器和风速传感器；
其中，温度传感器将监测区域中空气和地表的温度数据进行获取；
湿度传感器将监测区域中空气的湿度数据进行获取；
降水传感器将监测区域中雨和雪的降水量数据进行获取；
风速传感器将监测区域中风的速度、方向和强度的数据进行获取；
雷达站将监测区域中的强回波区域进行确认，根据强回波区域确认闪电定位、大气电场的分布位置，最后得到回波数据；
大气电场仪和闪电定位仪将监测区域中的大气电场变化以及闪电发生的强度、方向、频率及其变化的雷电数据进行获取；
并将温度传感器、湿度传感器、降水传感器、风速传感器、雷达站以及大气电场仪和闪电定位仪的监测数据分别进行存储。
湿度传感器，包括：
湿度传感器还包括视频采集器；
当湿度传感器监测区域的湿度值高于预设的温度阈值时，视频采集器进行自动启动；
视频采集器将监测区域的图像进行采集，并提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱；
根据元素特征图谱在预设的雨水特征库中查找元素特征图谱对应的多个类似雨水倒影图像和类似雨水环境图像；
其中，雨水特征知识图谱内包括的平均元素特征信息和监测区域的图像中所有元素的元素特征信息。
在一个实施例中，提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱，包括：
将监测区域的图像按照特征相关性进行轮廓提取，并根据轮廓提取结果，将监测区域的图像划分为多个不同的背景区域图像；
提取背景区域图像中的背景特征，将主体特征与环境背景图库中的背景图进行匹配，确定背景区域图像对应的背景环境；
获取背景环境对于雨水的识别难度，并基于识别难度确定对每个背景区域图像的元素提取数量和元素提取精度；
获取雨水图像特征提取的全部元素，并基于元素对雨水图像识别匹配的重要程度，对全部元素按照重要程度从大到小的顺序进行排序，得到元素序列，并为每个元素匹配对应的特征提取网络；
基于背景区域图像的元素提取数量从元素序列按照顺序匹配对应数量的目标元素，并从特征提取网络中匹配为目标元素匹配对应的初始特征提取网络；
基于元素提取精度，为初始特征提取网络设置对应的网络参数，得到目标特征提取网络；
将背景区域图像输入对应的目标特征提取网络中得到对应的元素特征，据元素特征生成监测区域的图像的元素特征图谱。
在该实施例中，背景环境例如为天空，土地，森林等。
在该实施例中，不同的背景环境中对应雨水的识别难度不同。
在该实施例中，元素包括像素值，颜色、位深、色调、饱和度、亮度、色彩通道、图像的层次等。
在该实施例中，识别难度越大，对应背景区域图像的元素提取数量越多，对应的元素提取精度越高。
在该实施例中，特征提取网络为根据元素预先设计得到。
上述设计方案的有益效果是：通过将监测区域的图像按照特征相关性进行轮廓提取，并根据轮廓提取结果，将监测区域的图像划分为多个不同的背景区域图像；获取背景环境对于雨水的识别难度，并基于识别难度确定对每个背景区域图像的元素提取数量和元素提取精度，为不同的背景环境提供合适的特征提取方式，在保证提取精确性的同时，减少资源的消耗，提高元素特征提取效率，然后获取雨水图像特征提取的全部元素，并基于元素对雨水图像识别匹配的重要程度，对全部元素按照重要程度从大到小的顺序进行排序，得到元素序列，并为每个元素匹配对应的特征提取网络，基于元素提取精度，为初始特征提取网络设置对应的网络参数，得到目标特征提取网络，将背景区域图像输入对应的目标特征提取网络中得到对应的元素特征，据元素特征生成监测区域的图像的元素特征图谱，保证得到监测区域的图像的元素特征图谱的准确性，为确定雨水倒影图像和类似雨水环境图像提供参考基础。
雨水特征库包括多种雨水在不同环境下的对照图像；
类似雨水倒影图像表示雨水在不同环境下的环境倒影图像；
根据多个类似雨水倒影图像和类似雨水环境图像，提取雨水特征；
将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，并在存在雨水时，根据对应的监测区域的图像进行雨水区域标定，并通过降水传感器将雨水量进行监测。
在一个实施例中，将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，包括：
基于雨水特征的特征格式，并根据如下公式计算对元素特征信息的格式转换值；
；
其中，表示元素特征信息的特征格式值，/>表示雨水特征的特征格式值，/>表示格式转换参考参数，取值为1.35；
基于元素特征信息对应的格式转换值，从格式转化规则库中匹配对应的目标格式转化规则，并基于目标格式转换规则对元素特征信息进行格式标准化，得到目标元素特征信息；
基于如下公式计算目标元素特征信息和雨水特征之间的匹配值；
；
其中，n表示目标元素特征信息和雨水特征的特征维度数量，表示目标元素特征信息中第i个特征维度的特征维度值，/>表示雨水特征中第i个特征维度的特征维度值，/>表示目标元素特征信息和雨水特征的第i个特征维度的匹配权重，取值为（0.6，1.2）；
判断匹配值是否大于预设匹配值；
若是，确定存在雨水；
否则，确定不存在雨水。
在该实施例中，特征格式值根据特征格式的不同，取值不同，为预先设定，且取值范围为（0,1）。
在该实施例中，特征维度例如包括像素，色彩等，且预先经过统一标准化，取值范围（0,1）。
在该实施例中，特征维度对于雨水识别确定越重要，对应的匹配权重越大。
上述设计方案的有益效果是：通过基于雨水特征的特征格式，对元素特征信息进行格式转换，得到目标元素特征信息，为与雨水特征的匹配提供准确的数据基础，提高匹配效率和匹配准确性，然后根据特征维度及其特征维度的匹配权重来进行目标元素特征信息和雨水特征之间的匹配，保证匹配结果的准确性，为雨水的准确确定提供基础。
具体的，通过温度传感器将气象监测区域的温度数据进行采集，通过采集温度数据可以将该区域是否发生高温和寒潮的气象数据进行获取，通过湿度传感器将气象监测区域的湿度数据进行采集，用过湿度传感器可以将该区域控制中的湿度数据进行确认，并根据湿度数据确认该区域是否会出现雨雪天气，通过降水传感器将监测区域中雨雪的降水量数据进行确认，根据对降水量的采集可以有效的判断监测区域是否发生暴雨、暴雪的气象灾害，通过风速传感器将监测区域的风速、风向和风强数据进行确认，根据对监测区域风速、风向和风强数据的采集可以有效的判断监测区域是否发生台风的气象灾害，通过各个传感器将监测区域的气象数据监测时，湿度传感器还包括视频采集器，当监测区域的湿度值不在标准湿度范围内时，视频采集器将监测区域进行图像采集，并判断监测区域是否有雨水，若有雨水则通过降水传感器将雨水量进行监测，通过视频采集器能够采集周监测区域的环境图像和湿度数据信息，本发明限定了周边环境图像中的图像清晰度满足预设清晰度值，能够准确的进行雨水区域的定位，通过存在湿度数据信息，并且湿度数据信息高于湿度阀值，也就是很大的可能存在雨水的时候才会启动摄像装置，并提取雨水的特征和环境中所有元素的特征，通过所有元素的特征和多个类似雨水倒影图像和类似雨水环境图像中的雨水特征进行对比，判断那些元素是相融合的，也就是那些元素是属于雨水，通过这种判断匹配机制，可以更精准的判断监测区域是否存有雨水气象，若存在雨水气象则及时将监测区域的雨水降水量数据进行监测，大大降低了雨水不明显时，无法监测雨水降水量的问题。
为了解决现有技术中，气象数据采集后，没有将采集的气象数据根据具体阈值进行灾害等级的判断，从而导致无法及时判断气象灾害等级的问题，请参阅图1和图2，本实施例提供以下技术方案：
针对S2中根据数据的阈值进行气象灾害等级划分，包括：
将温度传感器、湿度传感器、降水传感器和风速传感器监测的数据进行数值转换；
转换完成后得到监测区域的温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据；
根据温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据的数值范围，分别将温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据对应至不同等级气象灾害等级；
其中，气象灾害等级分为一级灾害、二级灾害、三级灾害和四级灾害。
具体的，通过温度传感器、湿度传感器、降水传感器和风速传感器将气象监测区域中的气象数据进行采集，并将采集的气象数据进行数值数据转换，将每个气象数据的数值分别对应不同的气象灾害等级，其中，一级灾害为灾害等级最轻的气象灾害，四级灾害为灾害等级最强的气象灾害，根据将气象数据进行灾害等级区分可以更好的根据灾害等级进行不同的气象防护措施。
针对S3中作业故障等级数据和作业风险等级数据的获取，包括：
作业故障等级数据和作业风险等级数据从气象数据库中进行调取；
其中，作业故障等级数据为不同等级的故障中，故障的频率、故障的后果、故障的描述和故障的处理措施，其中，不同等级包括轻微故障、一般故障、严重故障和致命故障；
作业风险等级数据为不同的风险中、风险的概率、风险的描述、风险的影响程度和风险的管理措施，不同的风险包括低风险、中等风险和高风险。
具体的，通过对气象作业故障数据的收集和分析，可以识别故障模式，了解故障发生的原因和规律，进而进行故障诊断和预测。这有助于提前发现潜在的问题，减少故障发生的可能性，提高气象作业的稳定性和可靠性，通过了解气象作业中存在的风险因素和可能发生的风险事件，企业可以制定相应的风险管理策略，包括风险规避、风险控制和风险转移等，确保气象作业的顺利进行，通过对气象作业风险数据的分析，可以了解气象作业中存在的问题和瓶颈，为流程优化和改进提供依据。
为了解决现有技术中，没有将监测的气象数据与作业故障和作业风险进行对比，从而导致监测的气象数据无法进行分析预警的问题，请参阅图1和图2，本实施例提供以下技术方案：
基于多源数据的气象灾害靶向预警系统，包括：
数据对比模块，用于：
将作业故障等级数据中的故障等级和作业风险等级数据中的风险等级进行获取，并将故障等级和风险等级进行曲线数据转换；
将监测的气象灾害等级以及该气象灾害等级对应的气象属性数据进行获取，并进行曲线数据转换；
将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应。
在一个实施例中，将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应，包括：
将气象灾害等级的曲线数据按照气象属性进行划分，得到第一划分数据，将气象灾害等级的曲线数据按照灾害等级进行划分，得到每个气象灾害等级对应的第二划分数据；
将第二划分数据分别与故障等级和风险等级的曲线数据进行匹配，确定第二划分数据与故障等级和风险等级的曲线数据的匹配度；
判断匹配度是否大于预设匹配度；
若是，将第二划分数据与故障等级和风险等级的曲线数据进行数据对应；
否则，确定出不匹配的故障等级和风险等级的第一曲线数据，将其他曲线数据作为第二曲线数据，并获取与第一曲线数据相关的目标气象属性，从第一划分数据中匹配对应的目标划分数据；
获取目标划分数据在第二划分数据中的数据位置，并基于数据位置确定对应的相关气象灾害等级，基于目标划分数据在相关气象灾害等级中的数据占比与第二曲线数据在对应气象灾害等级中的占比进行气象灾害等级的位置确定，得到目标位置，基于目标位置对应的气象灾害等级的曲线数据与故障等级和风险等级的曲线数据进行数据对应。
在该实施例中，第一划分数据根据气象属性进行划分，第二划分数据根据气象等级进行划分，一组第二划分数据中的气象数据值对应一个气象等级。
在该实施例中，由于存在气象灾害等级与故障等级和风险等级不完全匹配的情况，此时需要选取等级中间的曲线数据进行匹配，保证数据对应的准确性。
上述设计方案的有益效果是：通过从气象属性和气象灾害等级两个方面来对将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应，并在存在气象灾害等级与故障等级和风险等级不完全匹配的情况，选取等级中间的曲线数据进行匹配，保证数据对应的准确性，实现将监测的气象数据与作业故障和作业风险进行对比，为监测的气象数据进行分析预警提供基础。
对应数据分析模块，用于：
曲线数据对应时，选择气象灾害等级的曲线数据与故障等级和风险等级的曲线数据重合度最高的曲线数据作为气象灾害数据的目标作业故障数据和目标作业风险数据；
分别将气象灾害数据位与故障等级和风险等级中的等级位置进行确认；
根据气象灾害数据的位置确认该气象灾害数据中作业故障等级数据和作业风险等级数据的等级指标。
具体的，先通过数据对比模块将气象灾害等级中不同灾害属性的气象数据进行曲线转换，再将转换完成的曲线数据与故障等级和风险等级的曲线数据进行曲线重叠，进行曲线重叠对比可以更直观的对比他们之间的变化趋势和相似性，再通过对应数据分析模块将曲线重叠后，气象灾害等级的曲线数据与故障等级和风险等级的曲线数据重合度最高的曲线数据进行确认，并将重合度最高的曲线数据中的故障等级和风险等级作为该气象灾害等级的目标作业故障数据和目标作业风险数据，通过重叠对比，可以更好地理解数据的动态变化，从而为决策制定提供更准确、更全面的信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.基于多源数据的气象灾害靶向预警方法，其特征在于，包括如下步骤：
S1：根据自动观测站、雷达站、大气电场仪和闪电定位仪将气象数据进行获取，并将获取的气象数据根据气象数据类别分别进行独立存储；
所述自动观测站包括温度传感器、湿度传感器、降水传感器和风速传感器；
其中，温度传感器将监测区域中空气和地表的温度数据进行获取；
湿度传感器将监测区域中空气的湿度数据进行获取；
降水传感器将监测区域中雨和雪的降水量数据进行获取；
风速传感器将监测区域中风的速度、方向和强度的数据进行获取；
雷达站将监测区域中的强回波区域进行确认，根据强回波区域确认闪电定位、大气电场的分布位置，最后得到回波数据；
大气电场仪和闪电定位仪将监测区域中的大气电场变化以及闪电发生的强度、方向、频率及其变化的雷电数据进行获取；
并将温度传感器、湿度传感器、降水传感器、风速传感器、雷达站以及大气电场仪和闪电定位仪的监测数据分别进行存储；
所述湿度传感器还包括视频采集器；
当湿度传感器监测区域的湿度值高于预设的湿度阈值时，视频采集器进行自动启动；
视频采集器将监测区域的图像进行采集，并提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱；
根据元素特征图谱在预设的雨水特征库中查找元素特征图谱对应的多个类似雨水倒影图像和类似雨水环境图像；
其中，元素特征图谱内包括的平均元素特征信息和监测区域的图像中所有元素的元素特征信息；
提取图像中不同元素的元素特征，根据元素特征生成监测区域的图像的元素特征图谱，包括：
将监测区域的图像按照特征相关性进行轮廓提取，并根据轮廓提取结果，将监测区域的图像划分为多个不同的背景区域图像；
提取背景区域图像中的背景特征，将主体特征与环境背景图库中的背景图进行匹配，确定背景区域图像对应的背景环境；
获取背景环境对于雨水的识别难度，并基于识别难度确定对每个背景区域图像的元素提取数量和元素提取精度；
获取雨水图像特征提取的全部元素，并基于元素对雨水图像识别匹配的重要程度，对全部元素按照重要程度从大到小的顺序进行排序，得到元素序列，并为每个元素匹配对应的特征提取网络；
基于背景区域图像的元素提取数量从元素序列按照顺序匹配对应数量的目标元素，并从特征提取网络中匹配为目标元素匹配对应的初始特征提取网络；
基于元素提取精度，为初始特征提取网络设置对应的网络参数，得到目标特征提取网络；
将背景区域图像输入对应的目标特征提取网络中得到对应的元素特征，据元素特征生成监测区域的图像的元素特征图谱；
S2：将获取的气象数据根据数据的阈值进行气象灾害等级划分，根据气象灾害等级将不同气象属性的气象数据分别存储至对应的存储器中；
S3：获取作业故障等级数据和作业风险等级数据，将作业故障等级数据和作业风险等级数据与每个存储器中的数据进行数据分析，并根据分析结果判断每个气象数据属性对应的气象灾害等级是否达到作业故障等级数据和作业风险等级数据的标准。
2.根据权利要求1所述的基于多源数据的气象灾害靶向预警方法，其特征在于：所述湿度传感器，还包括：
雨水特征库包括多种雨水在不同环境下的对照图像；
类似雨水倒影图像表示雨水在不同环境下的环境倒影图像；
根据多个类似雨水倒影图像和类似雨水环境图像，提取雨水特征；
将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，并在存在雨水时，根据对应的监测区域的图像进行雨水区域标定，并通过降水传感器将雨水量进行监测。
3.根据权利要求2所述的基于多源数据的气象灾害靶向预警方法，其特征在于：将雨水特征与元素特征信息进行匹配，获取匹配值，根据匹配值判断是否存在雨水，包括：
基于雨水特征的特征格式，并根据如下公式计算对元素特征信息的格式转换值K；
其中，Fa表示元素特征信息的特征格式值，Fb表示雨水特征的特征格式值，G表示格式转换参考参数，取值为1.35；
基于元素特征信息对应的格式转换值，从格式转化规则库中匹配对应的目标格式转化规则，并基于目标格式转换规则对元素特征信息进行格式标准化，得到目标元素特征信息；
基于如下公式计算目标元素特征信息和雨水特征之间的匹配值H；
其中，n表示目标元素特征信息和雨水特征的特征维度数量，Ri表示目标元素特征信息中第i个特征维度的特征维度值，Li表示雨水特征中第i个特征维度的特征维度值，εi表示目标元素特征信息和雨水特征的第i个特征维度的匹配权重，取值为0.6-1.2；
判断匹配值是否大于预设匹配值；
若是，确定存在雨水；
否则，确定不存在雨水。
4.根据权利要求3所述的基于多源数据的气象灾害靶向预警方法，其特征在于：针对S2中根据数据的阈值进行气象灾害等级划分，包括：
将温度传感器、湿度传感器、降水传感器和风速传感器监测的数据进行数值转换；
转换完成后得到监测区域的温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据；
根据温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据的数值范围，分别将温度数值数据、湿度数值数据、降水量数值数据和风速、风强、风向数值数据对应至不同等级气象灾害等级；
其中，气象灾害等级分为一级灾害、二级灾害、三级灾害和四级灾害。
5.根据权利要求4所述的基于多源数据的气象灾害靶向预警方法，其特征在于：针对S3中作业故障等级数据和作业风险等级数据的获取，包括：
作业故障等级数据和作业风险等级数据从气象数据库中进行调取；
其中，作业故障等级数据为不同等级的故障中，故障的频率、故障的后果、故障的描述和故障的处理措施，其中，不同等级包括轻微故障、一般故障、严重故障和致命故障；
作业风险等级数据为不同的风险中、风险的概率、风险的描述、风险的影响程度和风险的管理措施，不同的风险包括低风险、中等风险和高风险。
6.基于多源数据的气象灾害靶向预警系统，应用在权利要求1所述的基于多源数据的气象灾害靶向预警方法中，包括：
数据对比模块，用于：
将作业故障等级数据中的故障等级和作业风险等级数据中的风险等级进行获取，并将故障等级和风险等级进行曲线数据转换；
将监测的气象灾害等级以及该气象灾害等级对应的气象属性数据进行获取，并进行曲线数据转换；
将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应。
7.根据权利要求6所述的基于多源数据的气象灾害靶向预警系统，其特征在于：将气象灾害等级的曲线数据分别与故障等级和风险等级的曲线数据进行数据对应，包括：
将气象灾害等级的曲线数据按照气象属性进行划分，得到第一划分数据，将气象灾害等级的曲线数据按照灾害等级进行划分，得到每个气象灾害等级对应的第二划分数据；
将第二划分数据分别与故障等级和风险等级的曲线数据进行匹配，确定第二划分数据与故障等级和风险等级的曲线数据的匹配度；
判断匹配度是否大于预设匹配度；
若是，将第二划分数据与故障等级和风险等级的曲线数据进行数据对应；
否则，确定出不匹配的故障等级和风险等级的第一曲线数据，将其他曲线数据作为第二曲线数据，并获取与第一曲线数据相关的目标气象属性，从第一划分数据中匹配对应的目标划分数据；
获取目标划分数据在第二划分数据中的数据位置，并基于数据位置确定对应的相关气象灾害等级，基于目标划分数据在相关气象灾害等级中的数据占比与第二曲线数据在对应气象灾害等级中的占比进行气象灾害等级的位置确定，得到目标位置，基于目标位置对应的气象灾害等级的曲线数据与故障等级和风险等级的曲线数据进行数据对应。
8.根据权利要求7所述的基于多源数据的气象灾害靶向预警系统，其特征在于：还包括：
对应数据分析模块，用于：
曲线数据对应时，选择气象灾害等级的曲线数据与故障等级和风险等级的曲线数据重合度最高的曲线数据作为气象灾害数据的目标作业故障数据和目标作业风险数据；
分别将气象灾害数据与故障等级和风险等级中的等级位置进行确认；
根据气象灾害数据的位置确认该气象灾害数据中作业故障等级数据和作业风险等级数据的等级指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410259267.6A CN117849907B (zh) | 2024-03-07 | 2024-03-07 | 基于多源数据的气象灾害靶向预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410259267.6A CN117849907B (zh) | 2024-03-07 | 2024-03-07 | 基于多源数据的气象灾害靶向预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117849907A CN117849907A (zh) | 2024-04-09 |
| CN117849907B true CN117849907B (zh) | 2024-05-24 |
Family
ID=90548317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410259267.6A Active CN117849907B (zh) | 2024-03-07 | 2024-03-07 | 基于多源数据的气象灾害靶向预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117849907B (zh) |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0672565A1 (en) * | 1994-03-15 | 1995-09-20 | Toyota Jidosha Kabushiki Kaisha | Vehicle braking system distribution of front and rear braking forces is controlled according to two different distribution patterns depending upon vehicle load. |
| CN101354757A (zh) * | 2008-09-08 | 2009-01-28 | 中国科学院地理科学与资源研究所 | 一种精细尺度下的动态风险及易损性预测方法 |
| CN102663530A (zh) * | 2012-05-25 | 2012-09-12 | 中国南方电网有限责任公司超高压输电公司 | 高压直流输电系统安全预警与评估系统 |
| CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
| CN106529767A (zh) * | 2016-10-12 | 2017-03-22 | 中国南方电网有限责任公司 | 一种基于设备健康状态的二次设备风险评估方法 |
| CN109710598A (zh) * | 2018-12-14 | 2019-05-03 | 吉林省中农阳光数据有限公司 | 一种基于农作物的气象指数保险系统及其实现方法 |
| CN110309825A (zh) * | 2018-03-20 | 2019-10-08 | 中国科学院深圳先进技术研究院 | 一种复杂背景下的维吾尔文检测方法、系统及电子设备 |
| CN111429028A (zh) * | 2020-04-16 | 2020-07-17 | 贵州电网有限责任公司 | 一种适用于山区地形的输电线路覆冰灾害风险评估方法 |
| CN111798637A (zh) * | 2020-06-30 | 2020-10-20 | 刘向科 | 一种雷击森林火灾预警方法 |
| CN111896540A (zh) * | 2020-07-14 | 2020-11-06 | 江苏云聚汇科技有限公司 | 一种基于区块链的水质在线监测系统 |
| WO2020258611A1 (zh) * | 2019-06-28 | 2020-12-30 | 山东科技大学 | 一种基于时空循环注意力机制的ct淋巴结检测系统 |
| CN112700121A (zh) * | 2020-12-29 | 2021-04-23 | 南京后生远达科技有限公司 | 一种基于随机森林的配网故障风险等级预测方法 |
| CN113449784A (zh) * | 2021-06-18 | 2021-09-28 | 宜通世纪科技股份有限公司 | 基于先验属性图谱的图像多分类方法、装置、设备及介质 |
| CN113588713A (zh) * | 2021-06-08 | 2021-11-02 | 西安交通大学 | 一种大型硫冷凝器的热成像监测方法及系统 |
| CN114140588A (zh) * | 2021-11-03 | 2022-03-04 | 深圳须弥云图空间科技有限公司 | 数字沙盘的创建方法、装置、电子设备及存储介质 |
| CN115293809A (zh) * | 2022-08-09 | 2022-11-04 | 中国平安财产保险股份有限公司 | 基于人工智能的台风暴雨风险评级方法及相关设备 |
| CN115657559A (zh) * | 2022-10-27 | 2023-01-31 | 深圳市雨博士雨水利用设备有限公司 | 一种复合型雨水综合利用控制系统 |
| CN115685386A (zh) * | 2022-09-30 | 2023-02-03 | 国网浙江省电力有限公司永嘉县供电公司 | 基于人工智能的电力设备气象监测预警方法 |
| CN116258332A (zh) * | 2023-01-13 | 2023-06-13 | 中国南方电网有限责任公司 | 一种多源数据的气象灾害预警方法及装置 |
| CN116402343A (zh) * | 2023-03-22 | 2023-07-07 | 国网河南省电力公司电力科学研究院 | 一种基于统计分析模型的输电线风险分析方法和系统 |
| CN116756966A (zh) * | 2023-06-15 | 2023-09-15 | 古桥信息科技(郑州)有限公司 | 一种电网故障预警方法、系统、终端设备及存储介质 |
| CN117152919A (zh) * | 2023-10-09 | 2023-12-01 | 贵州新气象科技有限责任公司 | 一种基于多源异构综合数据库的气象灾害预警系统 |
| CN117369026A (zh) * | 2023-12-06 | 2024-01-09 | 江苏省气象台 | 一种实时高精度预测云团驻留时间方法 |
| CN117529751A (zh) * | 2021-11-03 | 2024-02-06 | 英特尔公司 | 使用内核飞溅网络的时域摊销的超采样 |
| CN117807245A (zh) * | 2023-12-27 | 2024-04-02 | 奇安信科技集团股份有限公司 | 网络资产图谱中节点特征提取方法及相似节点搜索方法 |
-
2024
- 2024-03-07 CN CN202410259267.6A patent/CN117849907B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0672565A1 (en) * | 1994-03-15 | 1995-09-20 | Toyota Jidosha Kabushiki Kaisha | Vehicle braking system distribution of front and rear braking forces is controlled according to two different distribution patterns depending upon vehicle load. |
| CN101354757A (zh) * | 2008-09-08 | 2009-01-28 | 中国科学院地理科学与资源研究所 | 一种精细尺度下的动态风险及易损性预测方法 |
| CN102663530A (zh) * | 2012-05-25 | 2012-09-12 | 中国南方电网有限责任公司超高压输电公司 | 高压直流输电系统安全预警与评估系统 |
| CN104933477A (zh) * | 2015-06-05 | 2015-09-23 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种利用输变电设备风险评估优化检修策略的方法 |
| CN106529767A (zh) * | 2016-10-12 | 2017-03-22 | 中国南方电网有限责任公司 | 一种基于设备健康状态的二次设备风险评估方法 |
| CN110309825A (zh) * | 2018-03-20 | 2019-10-08 | 中国科学院深圳先进技术研究院 | 一种复杂背景下的维吾尔文检测方法、系统及电子设备 |
| CN109710598A (zh) * | 2018-12-14 | 2019-05-03 | 吉林省中农阳光数据有限公司 | 一种基于农作物的气象指数保险系统及其实现方法 |
| WO2020258611A1 (zh) * | 2019-06-28 | 2020-12-30 | 山东科技大学 | 一种基于时空循环注意力机制的ct淋巴结检测系统 |
| CN111429028A (zh) * | 2020-04-16 | 2020-07-17 | 贵州电网有限责任公司 | 一种适用于山区地形的输电线路覆冰灾害风险评估方法 |
| CN111798637A (zh) * | 2020-06-30 | 2020-10-20 | 刘向科 | 一种雷击森林火灾预警方法 |
| CN111896540A (zh) * | 2020-07-14 | 2020-11-06 | 江苏云聚汇科技有限公司 | 一种基于区块链的水质在线监测系统 |
| CN112700121A (zh) * | 2020-12-29 | 2021-04-23 | 南京后生远达科技有限公司 | 一种基于随机森林的配网故障风险等级预测方法 |
| CN113588713A (zh) * | 2021-06-08 | 2021-11-02 | 西安交通大学 | 一种大型硫冷凝器的热成像监测方法及系统 |
| CN113449784A (zh) * | 2021-06-18 | 2021-09-28 | 宜通世纪科技股份有限公司 | 基于先验属性图谱的图像多分类方法、装置、设备及介质 |
| CN114140588A (zh) * | 2021-11-03 | 2022-03-04 | 深圳须弥云图空间科技有限公司 | 数字沙盘的创建方法、装置、电子设备及存储介质 |
| CN117529751A (zh) * | 2021-11-03 | 2024-02-06 | 英特尔公司 | 使用内核飞溅网络的时域摊销的超采样 |
| CN115293809A (zh) * | 2022-08-09 | 2022-11-04 | 中国平安财产保险股份有限公司 | 基于人工智能的台风暴雨风险评级方法及相关设备 |
| CN115685386A (zh) * | 2022-09-30 | 2023-02-03 | 国网浙江省电力有限公司永嘉县供电公司 | 基于人工智能的电力设备气象监测预警方法 |
| CN115657559A (zh) * | 2022-10-27 | 2023-01-31 | 深圳市雨博士雨水利用设备有限公司 | 一种复合型雨水综合利用控制系统 |
| CN116258332A (zh) * | 2023-01-13 | 2023-06-13 | 中国南方电网有限责任公司 | 一种多源数据的气象灾害预警方法及装置 |
| CN116402343A (zh) * | 2023-03-22 | 2023-07-07 | 国网河南省电力公司电力科学研究院 | 一种基于统计分析模型的输电线风险分析方法和系统 |
| CN116756966A (zh) * | 2023-06-15 | 2023-09-15 | 古桥信息科技(郑州)有限公司 | 一种电网故障预警方法、系统、终端设备及存储介质 |
| CN117152919A (zh) * | 2023-10-09 | 2023-12-01 | 贵州新气象科技有限责任公司 | 一种基于多源异构综合数据库的气象灾害预警系统 |
| CN117369026A (zh) * | 2023-12-06 | 2024-01-09 | 江苏省气象台 | 一种实时高精度预测云团驻留时间方法 |
| CN117807245A (zh) * | 2023-12-27 | 2024-04-02 | 奇安信科技集团股份有限公司 | 网络资产图谱中节点特征提取方法及相似节点搜索方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈全.系统安全工程.天津科学技术出版社,2010,( 第一版 ),第79-81页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117849907A (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109738970B (zh) | 基于雷电数据挖掘实现雷电预警的方法、装置和存储介质 | |
| CN109063754B (zh) | 一种基于OpenStreetMap的遥感影像多特征联合分类方法 | |
| CN110956207B (zh) | 一种光学遥感影像全要素变化检测方法 | |
| CN106485360A (zh) | 基于全局夜光遥感的局部社会经济指标预测方法及系统 | |
| CN112800634A (zh) | 耦合干湿状态辨识与多源信息融合的降水估计方法及系统 | |
| CN114298162A (zh) | 融合卫星雷达多源数据的降水质量控制与评估方法及应用 | |
| CN115437036A (zh) | 一种基于葵花卫星的对流初生预报方法 | |
| CN117725448A (zh) | 气象导航信号特征的聚类分析方法 | |
| CN114022782B (zh) | 一种基于modis卫星数据的海雾探测方法 | |
| CN117408495B (zh) | 一种基于土地资源综合管理的数据分析方法及系统 | |
| CN117849907B (zh) | 基于多源数据的气象灾害靶向预警方法及系统 | |
| CN115497006B (zh) | 基于动态混合策略的城区遥感图像变化深度监测方法及系统 | |
| CN116822980A (zh) | 一种基矢量引导的典型地表要素智能监测方法及系统 | |
| CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及系统 | |
| CN116702588A (zh) | 一种基于多源数据的风电场关键气象因子预报方法及系统 | |
| CN115830302A (zh) | 一种多尺度特征提取融合配电网设备定位识别方法 | |
| CN110751398B (zh) | 一种区域生态质量评价方法及装置 | |
| CN115358507A (zh) | 生产建设项目扰动图斑水土流失风险识别评估方法 | |
| Nielsen et al. | The distribution in time and space of savanna fires in Burkina Faso as determined from NOAA AVHRR data | |
| CN117725523B (zh) | 基于物理约束的雷暴天气预警方法及预警系统 | |
| CN118050729B (zh) | 一种基于改进U-Net的雷达回波时间降尺度订正方法 | |
| CN118012977B (zh) | 一种基于ai与gis融合的二三维多模态数据处理方法 | |
| CN112528095B (zh) | 一种台风生成中期展望预警信息快速查询系统 | |
| CN117434624B (zh) | 一种基于语义分割的强对流天气识别和发展预判方法 | |
| CN117671416A (zh) | 一种基于计算机视觉技术的小麦倒伏自动分类方法 |
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 |