CN117893176B - 台风预报业务多岗位决策协同方法及系统 - Google Patents
台风预报业务多岗位决策协同方法及系统 Download PDFInfo
- Publication number
- CN117893176B CN117893176B CN202410285039.6A CN202410285039A CN117893176B CN 117893176 B CN117893176 B CN 117893176B CN 202410285039 A CN202410285039 A CN 202410285039A CN 117893176 B CN117893176 B CN 117893176B
- Authority
- CN
- China
- Prior art keywords
- current
- post
- current moment
- preset
- typhoon
- 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 66
- 238000004519 manufacturing process Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 12
- 230000010485 coping Effects 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 241000135164 Timea Species 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000013079 data visualisation Methods 0.000 claims description 4
- 238000013439 planning Methods 0.000 claims description 4
- 238000013506 data mapping Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 31
- 238000012545 processing Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供台风预报业务多岗位决策协同方法及系统,属于气象科学技术领域,包括:步骤1:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;步骤2:基于多岗位决策协同流程分别获取目标岗位的临时任务;步骤3:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;步骤4:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作。级高了预报业务的及时性和准确性。
Description
技术领域
本发明涉及气象科学技术领域,尤其涉及一种台风预报业务多岗位决策协同方法及系统。
背景技术
随着气象科学与技术的不断进步,气象数据的采集、处理和预测能力得到了大幅提升,为台风预报提供了更准确的数据基础。
多岗位协同决策系统在应急响应领域已有部署,如灾害预警和救援任务分配系统,利用实时数据和人工智能算法,将任务分配给不同的岗位,但是存在响应时机不准确、任务分配不精确、岗位之间的数据共享存在延迟的问题,导致不能及时应对台风的情况。
因此,本发明引入台风预报业务多岗位决策协同方法及系统。
发明内容
本发明提供的台风预报业务多岗位决策协同方法及系统,用以通过通过对当前气象数据以及业务需求分析,实现了精确的响应台风天气,通过给目标岗位分发任务并实时反馈制作数据,确保所有岗位都能及时获得所需信息,从而提高决策效率,通过一键分发的方式,提高了服务的及时性和准确性。提高了台风预报业务的效率和及时性。
本发明提供台风预报业务多岗位决策协同方法,包括:
步骤1:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
步骤2:基于多岗位决策协同流程分别获取目标岗位的临时任务;
步骤3:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
步骤4:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作。
本发明提供台风预报业务多岗位决策协同方法,触发多岗位决策协同流程之前,包括:
对历史气象数据进行分析获取历史导致台风的气象条件;
基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标;
对历史气象数据进行趋势分析,获取趋势判断指标;
基于条件判断指标以及趋势判断指标确定触发阈值;
根据触发阈值判断是否启动多岗位决策协同流程。
本发明提供台风预报业务多岗位决策协同方法,基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标,包括:
基于预设算法确定所述当前时刻的气象数据的当前气象条件与历史导致台风的气象条件相似的多个第一相似条件;
基于历史台风发生数据建立预测模型估算在每个第一相似条件下的台风生成概率,并进行概率筛选,获取得到第二相似条件;
对所有第二相似条件进行分析获取对台风生成概率影响最大的若干个第一气象条件;
基于当前业务需求以及预设需求-条件类型库确定当前业务需求对应的若干个第二气象条件;
提取所有第一气象条件以及第二气象条件中类型相同的条件得到台风生成的条件判断指标。
本发明提供台风预报业务多岗位决策协同方法,基于条件判断指标以及趋势判断指标确定触发阈值,包括:
确定条件判断指标的第一评分函数:
;
其中,为当前时刻的海表温度评分,/>为当前时刻的第i个海域的海表温度评分,/>为当前时刻的第i个海域的海表温度,/>为当前时刻的第i个海域的最低预设海表温度阈值,/>为当前时刻的第i个海域的最高预设海表温度阈值,/>为当前时刻已知海域的数量;/>是当前时刻的大气湿度评分,RH是当前时刻的相对湿度百分比,/>是当前时刻的预设理想相对湿度百分比,A 是在/>下的标准评分;/>是当前时刻的风切变评分,/>是所有历史时刻的平均风速变化量,/>是当前时刻的风向变化量;/>是预设高度对风速的分数影响函数;/>分别表示预设权重,B是平均风速变化量下的风切变评分;c1表示根据所有第一气象条件以及第二气象条件所确定的中每个参数存在的可能函数;/>表示历史台风形成的设定温度;其中,U1表示满足/>的评分结果;U2表示满足/>的评分结果;/>为常数,且/>;/>表示基于当前时刻的大气温度T、理想大气温度/>、当前时刻的风速f(V)所确定的湿度影响函数;
确定趋势判断指标的第二评分函数:
;
其中,是当前时刻t的大气湿度值,/>是当前时刻t的前一时刻的大气湿度值,T3表示湿度随时间变化的周期性的影响因子,且/>,/>表示地理位置对湿度变化的影响因子,且/>,/>表示湿度随时间变化的周期性的影响因子对应的预设权重,/>表示地理位置对湿度变化的影响因子对应的预设权重;
根据第一评分函数以及第二评分函数计算触发阈值。
优选的,根据第一评分函数以及第二评分函数计算触发阈值,包括:;
其中,TR表示当前时刻的触发阈值,w1表示当前时刻的海表温度评分对应的预设权重,w2表示当前时刻的大气湿度评分对应的预设权重,w3表示当前时刻的风切变评分对应的预设权重。
本发明提供台风预报业务多岗位决策协同方法,基于多岗位决策协同流程分别获取目标岗位的临时任务,包括:
基于多岗位决策协同流程以及当前台风气象数据生成应对台风的相关任务;
将相关任务基于预设的属性分解规则分解成不同属性的的临时任务;
基于预设的算法计算每个临时任务的紧急程度,基于每个临时任务的任务属性、紧急程度与岗位数据库进行匹配,确定每个临时任务的目标岗位。
本发明提供台风预报业务多岗位决策协同方法,所述制作产品包括:预警信息和通报、情况分析报告、应急响应计划、数据可视化和地图、社交媒体和公众信息材料、救援、恢复支持材料中的任一种或多种的组合。
本发明提供台风预报业务多岗位决策协同系统,包括:
流程触发模块:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
任务获取模块:基于多岗位决策协同流程分别获取目标岗位的临时任务;
数据共享模块:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
产品分发模块:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作。
本发明提供的台风预报业务多岗位决策协同方法及系统,通过通过对当前气象数据以及业务需求分析,实现了精确的响应台风天气,通过给目标岗位分发任务并实时反馈制作数据,确保所有岗位都能及时获得所需信息,从而提高决策效率,通过一键分发的方式,提高了服务的及时性和准确性。提高了台风预报业务的效率和及时性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的台风预报业务多岗位决策协同方法的流程示意图;
图2是本发明实施例提供的台风预报业务多岗位决策协同系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
实施例1
如图1所示,本发明提供台风预报业务多岗位决策协同方法,包括:
步骤1:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
步骤2:基于多岗位决策协同流程分别获取目标岗位的临时任务;
步骤3:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
步骤4:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作。
该实施例中,气象数据指收集到的与气象相关的各种数据,包括气温、气压、风速、风向、降水量等,由气象观测站、卫星、雷达等设备获取,并用于进行台风预报,例如:台风预报中使用的气象数据包括当前台风位置、路径、强度等信息;
该实施例中,当前业务需求指当前时刻下,台风预报业务所需满足的各种需求,包括需要进行的特定预警、发布相关公告、制作预报产品等,例如:一座沿海城市即将受到台风袭击,当前业务需求包括发布风雨预警、制作应急演练指南等;
该实施例中,多岗位决策协同流程指涉及多个岗位的决策协同流程,其中每个岗位有不同的责任和任务,彼此协同合作以达成共同目标, 包括:气象分析岗位、预报制作岗位、发布管理岗位等,它们共同合作以确保及时准确地发布台风预警和相关信息,一个多岗位决策协同流程包括:触发阶段、信息共享与协调阶段、任务分配与执行阶段、协同合作阶段、信息反馈与调整阶段。
该实施例中,目标岗位指参与多岗位决策协同流程的各个岗位,每个岗位都有特定的职责和任务,例如:在台风预报业务中,目标岗位包括气象预报员、灾害应急管理人员、媒体发布人员等;
该实施例中,临时任务指基于当前业务需求而临时分配给各个目标岗位的具体任务,这些任务是根据当前台风情况和预警等级而确定的,例如:当气象台发布台风预警时,各个目标岗位被临时分配制作风险评估报告、发布应急演练指南等任务。
该实施例中,前置岗位指在多岗位决策协同流程中处于先导位置的岗位,负责发起并协调整个协同流程的进行,是在业务流程中的起始岗位,例如:一个台风预报业务中,气象预报员是前置岗位,负责触发多岗位决策协同流程,根据当前气象数据和业务需求指引各个目标岗位执行相应任务。
上述技术方案的工作原理及有益效果是:通过对当前气象数据以及业务需求分析,实现了精确的响应台风天气,通过给目标岗位分发任务并实时反馈制作数据,确保所有岗位都能及时获得所需信息,从而提高决策效率,通过一键分发的方式,提高了服务的及时性和准确性。提高了台风预报业务的效率和及时性。
实施例2
本发明提供台风预报业务多岗位决策协同方法,触发多岗位决策协同流程之前,包括:
对历史气象数据进行分析获取历史导致台风的气象条件;
基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标;
对历史气象数据进行趋势分析,获取趋势判断指标;
基于条件判断指标以及趋势判断指标确定触发阈值;
根据触发阈值判断是否启动多岗位决策协同流程。
该实施例中,历史导致台风的气象条件指对过去台风生成时的气象条件进行分析,了解在过去的一些特定气象条件下台风可能生成的情况,包括特定的海温、湿度、风速等气象参数。
该实施例中,台风生成概率是指在当前气象条件下,发生台风的可能性,通过数学模型、统计方法或基于历史数据的概率计算得出,例如:当前海温、湿度和风速都处于适宜的范围,并且根据历史数据分析,此时的台风生成概率为70%,表示存在较高的可能性发生台风;
该实施例中,台风生成条件判断指标是根据当前气象条件设定的一组指标,用于判断是否符合台风生成的标准。这些指标包括海温、湿度、大气压等,例如:设定生成条件判断指标,如果当前海温超过26摄氏度、湿度超过60%且风速超过15米/秒,则符合台风生成的条件,触发进一步的预警和决策流程。
该实施例中,趋势分析是对气象参数随时间的变化趋势进行分析,通过对历史气象数据的观察,识别出某些气象参数的周期性、季节性或长期趋势对台风的影响,例如:对海温进行趋势分析,发现在某一地区过去几个月一直呈上升趋势,可表示未来该地区的海温可能继续上升;
该实施例中,趋势判断指标是通过对趋势分析结果进行量化,用于判断当前气象参数是否呈现某种趋势,是逻辑指标,用于辅助决策,例如:一个趋势判断指标,如果过去连续三个月的降雨量都在增加,趋势判断指标可能设定为“上升趋势”。
该实施例中,触发阈值是在进行气象条件判断时设定的一个阈值,当某一条件达到或超过这个阈值时,系统触发多岗位决策协同流程,例如:触发阈值被设定为当前时刻的台风生成概率超过70%时触发,那么当生成概率达到或超过70%时,系统将启动多岗位决策协同流程。
上述技术方案的工作原理及有益效果是:通过获取导致台风生成的历史气象条件,并结合当前时刻的气象数据,确定当前时刻下台风生成的概率,制定台风生成的条件判断指标,并对历史气象数据进行趋势分析,确定趋势判断指标,基于条件判断指标和趋势判断指标,确定触发多岗位决策协同流程的阈值,使流程的触发阈值更加精确。提升了决策的科学性和及时性,从而更好地应对潜在的台风威胁。
实施例3
本发明提供台风预报业务多岗位决策协同方法,基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标,包括:
基于预设算法确定所述当前时刻的气象数据的当前气象条件与历史导致台风的气象条件相似的多个第一相似条件;
基于历史台风发生数据建立预测模型估算在每个第一相似条件下的台风生成概率,并进行概率筛选,获取得到第二相似条件;
对所有第二相似条件进行分析获取对台风生成概率影响最大的若干个第一气象条件;
基于当前业务需求以及预设需求-条件类型库确定当前业务需求对应的若干个第二气象条件;
提取所有第一气象条件以及第二气象条件中类型相同的条件得到台风生成的条件判断指标。
该实施例中,预设算法是指基于统计学方法、机器学习模型或专家经验制定的,分析历史台风事件发生时的气象条件,并将其与当前的气象数据进行比较,以确定相似性的台风生成条件,例如:分析过去台风生成时的大气压降速度、海温、风速等气象条件,并将它们与当前观测到的气象数据进行对比,判断当前气象数据与历史上台风生成时的气象条件相似;
该实施例中,第一相似条件是根据预设算法确定的当前气象数据中与历史上导致台风生成的气象条件相似的特定条件,是单一的气象参数或多个参数的组合,例如:历史数据表明,当海温高于28摄氏度、风速超过15米/秒时,台风可能生成,那么当前海温高于28摄氏度且风速超过15米/秒的情况可能被确定为第一相似条件。
该实施例中,预测模型是基于历史台风数据和气象条件建立的模型,用于预测在特定气象条件下台风生成的概率,采用统计学方法、机器学习算法或物理模型等进行建模,通过分析历史上相似的气象条件下台风生成的频率,并据此预测当前气象条件下台风生成的可能性。例如,如果在过去的50年中,类似于当前气象条件的情况下有80%的概率发生台风,则预测模型可能会给出当前气象条件下台风生成的概率为80%的预测结果;
该实施例中,第二相似条件是在第一相似条件的基础上基于对台风生成概率的影响二筛选得到的条件,例如:如果预测模型确定了在海温高于28摄氏度且风速超过15米/秒的情况下台风生成的概率为80%,那么海温高于28摄氏度和风速超过15米/秒可能被确定为第二相似条件。
该实施例中,第一气象条件是对所有第二相似条件进行分析,获取对台风生成概率影响最大的若干个第一气象条件,例如:分析可能发现在第二相似条件下,海温、湿度和大气压是对台风生成概率影响最大的三个气象条件。
该实施例中,预设需求-条件类型库是根据业务需求和专家知识确定的,用于指导台风预报中选择哪些气象条件作为预测和分析的指标,是与台风生成直接相关的气象参数,如果业务需求是关注城市内的气象影响,那么城市温度、降雨量等可能被确定为预设需求-条件类型库中的气象条件;
该实施例中,第二气象指标是基于业务需求确定的气象条件,当前业务需求对应类型的指标。
该实施例中,提取所有第一气象条件以及第二气象条件中类型相同的条件得到台风生成的条件判断指标,比如:从第一气象条件中提取了海表温度、大气湿度和气压等条件,同时从第二气象条件中提取了海表温度、风速和风向等条件,第一和第二气象条件中共同包含了海表温度这一条件,可以将海表温度作为判断台风生成的指标之一。
上述技术方案的工作原理及有益效果是:通过结合历史数据、预设算法和预测模型,实现了对当前气象条件下可能发生台风的概率的估算,通过分析对概率影响最大的气象条件,结合业务需求筛选相应的气象条件,形成了更为准确的台风生成的条件判断指标,这样的方法使得多岗位的决策协同更为科学和可靠,提高了台风预报的准确性,有助于更有效地应对潜在的自然灾害。
实施例4
本发明提供台风预报业务多岗位决策协同方法,基于条件判断指标以及趋势判断指标确定触发阈值,包括:
确定条件判断指标的第一评分函数:
;
其中,为当前时刻的海表温度评分,/>为当前时刻的第i个海域的海表温度评分,/>为当前时刻的第i个海域的海表温度,/>为当前时刻的第i个海域的最低预设海表温度阈值,/>为当前时刻的第i个海域的最高预设海表温度阈值,/>为当前时刻已知海域的数量;/>是当前时刻的大气湿度评分,RH是当前时刻的相对湿度百分比,/>是当前时刻的预设理想相对湿度百分比,A 是在/>下的标准评分;/>是当前时刻的风切变评分,/>是所有历史时刻的平均风速变化量,/>是当前时刻的风向变化量;/>是预设高度对风速的分数影响函数;/>分别表示预设权重,B是平均风速变化量下的风切变评分;c1表示根据所有第一气象条件以及第二气象条件所确定的中每个参数存在的可能函数;/>表示历史台风形成的设定温度;其中,U1表示满足/>的评分结果;U2表示满足/>的评分结果;/>为常数,且/>;/>表示基于当前时刻的大气温度T、理想大气温度/>、当前时刻的风速f(V)所确定的湿度影响函数;
确定趋势判断指标的第二评分函数:
;
其中,是当前时刻t的大气湿度值,/>是当前时刻t的前一时刻的大气湿度值,T3表示湿度随时间变化的周期性的影响因子,且/>,/>表示地理位置对湿度变化的影响因子,且/>,/>表示湿度随时间变化的周期性的影响因子对应的预设权重,/>表示地理位置对湿度变化的影响因子对应的预设权重;
根据第一评分函数以及第二评分函数计算触发阈值。
该实施例中,海表温度评分是根据当前时刻的海表温度与预设的海表温度阈值之间的差异,以及该差异的大小和方向确定的评分,例如:当前时刻的海表温度高于预设最高海表温度阈值,则评分为负值,表示不利于台风生成,如果海表温度在最低和最高预设温度阈值之间,则评分为正值,表示有利于台风生成;
该实施例中,大气湿度评分是根据当前时刻的大气湿度与理想大气湿度之间的差异以及其他因素(如风速、风向变化等)确定的评分,例如:如果当前时刻的大气湿度接近理想大气湿度,并且风速较小、风向变化较小,则评分可能为正值,表示有利于台风生成;如果当前时刻的大气湿度偏离理想值,并且风速较大、风向变化较大,则评分可能为负值,表示不利于台风生成;
该实施例中,相对湿度百分比表示当前时刻的大气湿度相对于理想大气湿度的百分比,例如:当前时刻的相对湿度为80%,而理想大气湿度为70%,则相对湿度百分比为114%,表示当前湿度较理想湿度稍高;
该实施例中,风切变评分是根据历史时刻的平均风速变化量和当前时刻的风向变化量确定的评分,例如:历史时刻的平均风速变化量较小,并且当前时刻的风向变化量也较小,则风切变评分可能为正值,表示有利于台风生成;反之,如果风速和风向变化较大,则评分可能为负值;
该实施例中,可能函数是用于根据所有第一气象条件以及第二气象条件确定每个参数的函数,如果第一气象条件为海温,第二气象条件为城市温度,可能函数将根据历史数据和业务需求,确定海温和城市温度之间的可能性关系,从而影响最终评分结果。
上述技术方案的工作原理及有益效果是:通过建立海表温度评分、大气湿度评分、风切变评分等多个评分函数,并结合可能函数以及预设的条件和阈值,确定触发阈值,可以更科学、更系统地评估当前时刻的气象条件,从而提高对台风生成概率的准确性。通过计算触发阈值,可以为台风预报业务的多岗位决策提供更可靠的参考依据。
实施例5
本发明提供台风预报业务多岗位决策协同方法,根据第一评分函数以及第二评分函数计算触发阈值,包括:
;
其中,TR表示当前时刻的触发阈值,w1表示当前时刻的海表温度评分对应的预设权重,w2表示当前时刻的大气湿度评分对应的预设权重,w3表示当前时刻的风切变评分对应的预设权重。
该实施例中,第一评分函数用于计算当前时刻的海表温度、大气湿度和风切变等气象参数的评分,基于预设算法、历史数据和专家经验,用来评估当前气象条件与台风生成的关联程度;
该实施例中,第二评分函数,用于计算气象发展趋势的评分,用来评估当前气象发展趋势与台风生成的关联程度;
该实施例中,基于第一评分函数以及第二评分函数计算触发阈值根据第一评分函数计算得出的条件判断指标评分和第二评分函数计算得出的趋势判断指标评分进行加权求和得到的,用来判断当前气象条件是否足够有利于台风的生成,从而触发相应的预警或决策。
上述技术方案的工作原理及有益效果是:通过调整第一评分函数和第二评分函数,可以根据不同的地区、季节和特定情况对预警系统进行灵活调整,以适应不同的预报需求和环境变化。通过综合考虑海表温度、大气湿度和风切变等多个气象因素以及当前环境变化趋势,并根据它们的相对重要性进行权衡,可以更全面地评估当前气象条件对于台风生成的影响,提高台风预报的准确性和可靠性,帮助各岗位协同决策,从而有效应对台风带来的风险和影响。
实施例6
本发明提供台风预报业务多岗位决策协同方法,基于多岗位决策协同流程分别获取目标岗位的临时任务,包括:
基于多岗位决策协同流程以及当前台风气象数据生成应对台风的相关任务;
将相关任务基于预设的属性分解规则分解成不同属性的的临时任务;
基于预设的算法计算每个临时任务的紧急程度,基于每个临时任务的任务属性、紧急程度与岗位数据库进行匹配,确定每个临时任务的目标岗位。
该实施例中,应对台风的相关任务是基于多岗位决策协同流程以及当前的台风气象数据生成应对台风的任务,包括制定预防措施、预警发布、资源调配等任务,需要根据当前的气象数据和决策协同流程来有效地应对即将发生或正在发生的台风。
该实施例中,预设的属性分解规则是基于任务的性质、紧急程度、地理位置等因素,将任务细分为不同的临时任务,以便更有针对性地进行后续处理;
该实施例中,临时任务是分解后的任务,每一个临时任务包含特定的属性和要求,以便更好地适应各个岗位的处理能力和专业性。每个临时任务都将被送往目标岗位进行处理。
该实施例中,岗位数据库进行匹配是基于计算每个临时任务的紧急程度,并基于任务属性、紧急程度与岗位数据库进行匹配,为每个临时任务找到最合适的岗位来处理,考虑到岗位的专业性、工作负荷等因素。
该实施例中,基于预设的算法计算每个临时任务的紧急程度,基于每个临时任务的任务属性、紧急程度与岗位数据库进行匹配,确定每个临时任务的目标岗位的过程比如:当前的气象数据表明台风可能在某个地区登陆,相关任务包括发布预警、疏散人员、调配救援队等。根据预设的属性分解规则,将这些任务分解成临时任务,例如:临时任务1:发布预警,属性为“气象预警”,紧急程度高;临时任务2:疏散人员,属性为“人员安全”,紧急程度中等;临时任务3:调配救援队,属性为“救援行动”,紧急程度高,然后,通过预设的算法计算每个临时任务的紧急程度,并与岗位数据库进行匹配。如果某个岗位在救援行动方面有专业性,并且工作负荷相对较轻,那么临时任务3可能被分配到该岗位进行处理。
上述技术方案的工作原理及有益效果是:通过预设的属性分解规则,任务可以更精细地分配给各个岗位,实现个性化的任务处理,提高处理效率和准确性。通过基于预设的算法计算每个临时任务的紧急程度,可以更科学地评估任务的优先级,确保紧急任务得到更快的处理。通过与岗位数据库进行匹配,确保每个临时任务都被分配到最适合处理的岗位,提高处理任务的专业性和效率。
实施例7
本发明提供台风预报业务多岗位决策协同方法,所述制作产品包括:预警信息和通报、情况分析报告、应急响应计划、数据可视化和地图、社交媒体和公众信息材料、救援、恢复支持材料中的任一种或多种的组合。
该实施例中,预警信息和通报包括:实时预警:基于最新的气象数据和预测模型,制作实时台风预警信息,包括强度、路径、预计登陆地点和时间等;安全通报:提供针对公众和特定群体的安全指南和紧急疏散通知;
该实施例中,情况分析报告包括:风险评估:结合地理信息系统(GIS)数据、历史数据和当前观测,生成详细的风险评估报告,包括潜在受影响区域、预计损失等;影响分析:分析台风可能对基础设施;
该实施例中,应急响应计划包括:行动指南:为不同阶段的台风响应制定详细的行动计划和指南,包括预警阶段、紧急响应阶段和恢复阶段的具体措施;资源分配图:基于当前资源和需求,制作资源分配和调度的图表和计划,以优化应急资源的利用;
该实施例中,数据可视化和地图包括:路径预测图:使用动态可视化工具展示台风的预测路径、强度变化和潜在影响区域;受影响区域地图:利用GIS技术,绘制受台风影响的区域地图,包括潜在的洪水、滑坡等灾害风险区;
该实施例中,社交媒体和公众信息材料包括:信息发布模板:创建适用于不同社交媒体平台的信息发布模板,快速发布更新信息、安全提示和救援信息;宣传材料:制作宣传材料,如海报、手册和视频,用于教育公众如何准备和应对台风;
该实施例中,救援和恢复支持材料包括:救援地图:提供救援队伍使用的详细地图,包括救援中心位置、受影响最严重区域和安全路线;恢复计划文档:制定详细的灾后恢复计划,包括重建优先级、资源需求和时间表。
上述技术方案的工作原理及有益效果是:基于各岗位提供的专业数据和信息整合生成的,提供了全面、及时和准确的信息,以支持决策制定、风险管理和公众沟通。通过预设的业务制作界面,可以加快产品的生成速度,提高响应效率和信息传播的效果。
实施例8
本发明提供台风预报业务多岗位决策协同系统,如图2所示,包括:
流程触发模块:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
任务获取模块:基于多岗位决策协同流程分别获取目标岗位的临时任务;
数据共享模块:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
产品分发模块:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作。
上述技术方案的工作原理及有益效果是:本发明提供的台风预报业务多岗位决策协同方法及系统,通过通过对当前气象数据以及业务需求分析,实现了精确的响应台风天气,通过给目标岗位分发任务并实时反馈制作数据,确保所有岗位都能及时获得所需信息,从而提高决策效率,通过一键分发的方式,提高了服务的及时性和准确性。提高了台风预报业务的效率和及时性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (3)
1.台风预报业务多岗位决策协同方法,其特征在于,包括:
步骤1:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
步骤2:基于多岗位决策协同流程分别获取目标岗位的临时任务;
步骤3:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
步骤4:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作;
其中,触发多岗位决策协同流程之前,包括:
对历史气象数据进行分析获取历史导致台风的气象条件;
基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标;
对历史气象数据进行趋势分析,获取趋势判断指标;
基于条件判断指标以及趋势判断指标确定触发阈值;
根据触发阈值判断是否启动多岗位决策协同流程;
其中,基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标,包括:
基于预设算法确定所述当前时刻的气象数据的当前气象条件与历史导致台风的气象条件相似的多个第一相似条件;
基于历史台风发生数据建立预测模型估算在每个第一相似条件下的台风生成概率,并进行概率筛选,获取得到第二相似条件;
对所有第二相似条件进行分析获取对台风生成概率影响最大的若干个第一气象条件;
基于当前业务需求以及预设需求-条件类型库确定当前业务需求对应的若干个第二气象条件;
提取所有第一气象条件以及第二气象条件中类型相同的条件得到台风生成的条件判断指标;
其中,基于条件判断指标以及趋势判断指标确定触发阈值,包括:
确定条件判断指标的第一评分函数:
;
其中,为当前时刻的海表温度评分,/>为当前时刻的第i个海域的海表温度评分,为当前时刻的第i个海域的海表温度,/>为当前时刻的第i个海域的最低预设海表温度阈值,/>为当前时刻的第i个海域的最高预设海表温度阈值,/>为当前时刻已知海域的数量;/>是当前时刻的大气湿度评分,RH是当前时刻的相对湿度百分比,/>是当前时刻的预设理想相对湿度百分比,A 是在 />下的标准评分;/>是当前时刻的风切变评分,/>是所有历史时刻的平均风速变化量,/>是当前时刻的风向变化量;是预设高度对风速的分数影响函数;/>分别表示预设权重,B是平均风速变化量下的风切变评分;c1表示根据所有第一气象条件以及第二气象条件所确定的/>中每个参数存在的可能函数;/>表示历史台风形成的设定温度;其中,U1表示满足的评分结果;U2表示满足/>的评分结果;/>为常数,且/>;/>表示基于当前时刻的大气温度T、理想大气温度/>、当前时刻的风速f(V)所确定的湿度影响函数;
确定趋势判断指标的第二评分函数:
;
其中,是当前时刻t的大气湿度值,/>是当前时刻t的前一时刻的大气湿度值,T3表示湿度随时间变化的周期性的影响因子,且/>,/>表示地理位置对湿度变化的影响因子,且/>,/>表示湿度随时间变化的周期性的影响因子对应的预设权重,/>表示地理位置对湿度变化的影响因子对应的预设权重;
根据第一评分函数以及第二评分函数计算触发阈值;
其中,根据第一评分函数以及第二评分函数计算触发阈值,包括:;
其中,TR表示当前时刻的触发阈值,w1表示当前时刻的海表温度评分对应的预设权重,w2表示当前时刻的大气湿度评分对应的预设权重,w3表示当前时刻的风切变评分对应的预设权重;
其中,基于多岗位决策协同流程分别获取目标岗位的临时任务,包括:
基于多岗位决策协同流程以及当前台风气象数据生成应对台风的相关任务;
将相关任务基于预设的属性分解规则分解成不同属性的的临时任务;
基于预设的算法计算每个临时任务的紧急程度,基于每个临时任务的任务属性、紧急程度与岗位数据库进行匹配,确定每个临时任务的目标岗位。
2.根据权利要求1所述的台风预报业务多岗位决策协同方法,其特征在于,所述制作产品包括:预警信息和通报、情况分析报告、应急响应计划、数据可视化和地图、社交媒体和公众信息材料、救援、恢复支持材料中的任一种或多种的组合。
3.台风预报业务多岗位决策协同系统,其特征在于,包括:
流程触发模块:基于当前时刻的气象数据以及当前业务需求触发多岗位决策协同流程;
任务获取模块:基于多岗位决策协同流程分别获取目标岗位的临时任务;
数据共享模块:分别获取每个目标岗位对临时任务的制作数据,并实时反馈给触发多岗位决策协同流程的前置岗位进行数据共享;
产品分发模块:基于预设的业务制作界面整合所需制作数据对应的若干个制作产品,并进行一键分发,完成对外服务工作;
其中,触发多岗位决策协同流程之前,包括:
对历史气象数据进行分析获取历史导致台风的气象条件;
基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标;
对历史气象数据进行趋势分析,获取趋势判断指标;
基于条件判断指标以及趋势判断指标确定触发阈值;
根据触发阈值判断是否启动多岗位决策协同流程;
其中,基于当前时刻的气象数据确定当前时刻在历史导致台风的气象条件下的台风生成概率,并确定台风生成条件判断指标,包括:
基于预设算法确定所述当前时刻的气象数据的当前气象条件与历史导致台风的气象条件相似的多个第一相似条件;
基于历史台风发生数据建立预测模型估算在每个第一相似条件下的台风生成概率,并进行概率筛选,获取得到第二相似条件;
对所有第二相似条件进行分析获取对台风生成概率影响最大的若干个第一气象条件;
基于当前业务需求以及预设需求-条件类型库确定当前业务需求对应的若干个第二气象条件;
提取所有第一气象条件以及第二气象条件中类型相同的条件得到台风生成的条件判断指标;
其中,基于条件判断指标以及趋势判断指标确定触发阈值,包括:
确定条件判断指标的第一评分函数:
;
其中,为当前时刻的海表温度评分,/>为当前时刻的第i个海域的海表温度评分,为当前时刻的第i个海域的海表温度,/>为当前时刻的第i个海域的最低预设海表温度阈值,/>为当前时刻的第i个海域的最高预设海表温度阈值,/>为当前时刻已知海域的数量;/>是当前时刻的大气湿度评分,RH是当前时刻的相对湿度百分比,/>是当前时刻的预设理想相对湿度百分比,A 是在 />下的标准评分;/>是当前时刻的风切变评分,/>是所有历史时刻的平均风速变化量,/>是当前时刻的风向变化量;是预设高度对风速的分数影响函数;/>分别表示预设权重,B是平均风速变化量下的风切变评分;c1表示根据所有第一气象条件以及第二气象条件所确定的/>中每个参数存在的可能函数;/>表示历史台风形成的设定温度;其中,U1表示满足的评分结果;U2表示满足/>的评分结果;/>为常数,且/>;/>表示基于当前时刻的大气温度T、理想大气温度/>、当前时刻的风速f(V)所确定的湿度影响函数;
确定趋势判断指标的第二评分函数:
;
其中,是当前时刻t的大气湿度值,/>是当前时刻t的前一时刻的大气湿度值,T3表示湿度随时间变化的周期性的影响因子,且/>,/>表示地理位置对湿度变化的影响因子,且/>,/>表示湿度随时间变化的周期性的影响因子对应的预设权重,/>表示地理位置对湿度变化的影响因子对应的预设权重;
根据第一评分函数以及第二评分函数计算触发阈值;
其中,根据第一评分函数以及第二评分函数计算触发阈值,包括:;
其中,TR表示当前时刻的触发阈值,w1表示当前时刻的海表温度评分对应的预设权重,w2表示当前时刻的大气湿度评分对应的预设权重,w3表示当前时刻的风切变评分对应的预设权重;
其中,基于多岗位决策协同流程分别获取目标岗位的临时任务,包括:
基于多岗位决策协同流程以及当前台风气象数据生成应对台风的相关任务;
将相关任务基于预设的属性分解规则分解成不同属性的的临时任务;
基于预设的算法计算每个临时任务的紧急程度,基于每个临时任务的任务属性、紧急程度与岗位数据库进行匹配,确定每个临时任务的目标岗位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410285039.6A CN117893176B (zh) | 2024-03-13 | 2024-03-13 | 台风预报业务多岗位决策协同方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410285039.6A CN117893176B (zh) | 2024-03-13 | 2024-03-13 | 台风预报业务多岗位决策协同方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117893176A CN117893176A (zh) | 2024-04-16 |
CN117893176B true CN117893176B (zh) | 2024-05-24 |
Family
ID=90649070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410285039.6A Active CN117893176B (zh) | 2024-03-13 | 2024-03-13 | 台风预报业务多岗位决策协同方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117893176B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004265223A (ja) * | 2003-03-03 | 2004-09-24 | Hitachi Ltd | 災害情報の提供方法 |
JP2010048632A (ja) * | 2008-08-21 | 2010-03-04 | Chugoku Electric Power Co Inc:The | 防災体制判断支援システム |
CN107392495A (zh) * | 2017-08-04 | 2017-11-24 | 国网浙江省电力公司 | 一种基于多专业多岗位协同的采集异常闭环处理方法 |
CN107609835A (zh) * | 2017-07-28 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网人力配置应用系统及方法 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN108460516A (zh) * | 2018-01-22 | 2018-08-28 | 深圳前海数创人工智能有限公司 | 一种气象预警预报业务智能管理系统及方法 |
CN109447390A (zh) * | 2018-09-07 | 2019-03-08 | 中国民航科学技术研究院 | 机场应急救援的任务管理系统 |
CN112396212A (zh) * | 2020-07-15 | 2021-02-23 | 王博妮 | 一种基于精细化气象预报服务出海决策的人、船管理系统及方法 |
CN112966863A (zh) * | 2021-02-26 | 2021-06-15 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种用于天气预报的一体化智能网格预报业务系统 |
CN114020786A (zh) * | 2021-10-25 | 2022-02-08 | 浪潮软件科技有限公司 | 一种通过多种气象信息计算雨情预警范围的方法及系统 |
CN115798177A (zh) * | 2023-02-09 | 2023-03-14 | 浙江省气象台 | 多源资料动态阈值临近报警方法及系统 |
CN116307013A (zh) * | 2022-08-16 | 2023-06-23 | 广西壮族自治区气候中心 | 一种台风实时监测预报评估系统 |
CN116661022A (zh) * | 2023-03-20 | 2023-08-29 | 海南省气候中心 | 一种基于多时间尺度气候因子协同的海南岛强台风预报方法 |
CN117556197A (zh) * | 2024-01-11 | 2024-02-13 | 中国气象科学研究院 | 一种基于人工智能的台风涡旋初始化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220187847A1 (en) * | 2019-11-05 | 2022-06-16 | Strong Force Vcn Portfolio 2019, Llc | Robot Fleet Management for Value Chain Networks |
-
2024
- 2024-03-13 CN CN202410285039.6A patent/CN117893176B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004265223A (ja) * | 2003-03-03 | 2004-09-24 | Hitachi Ltd | 災害情報の提供方法 |
JP2010048632A (ja) * | 2008-08-21 | 2010-03-04 | Chugoku Electric Power Co Inc:The | 防災体制判断支援システム |
CN107609835A (zh) * | 2017-07-28 | 2018-01-19 | 国网辽宁省电力有限公司 | 一种电网人力配置应用系统及方法 |
CN107392495A (zh) * | 2017-08-04 | 2017-11-24 | 国网浙江省电力公司 | 一种基于多专业多岗位协同的采集异常闭环处理方法 |
CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
CN108460516A (zh) * | 2018-01-22 | 2018-08-28 | 深圳前海数创人工智能有限公司 | 一种气象预警预报业务智能管理系统及方法 |
CN109447390A (zh) * | 2018-09-07 | 2019-03-08 | 中国民航科学技术研究院 | 机场应急救援的任务管理系统 |
CN112396212A (zh) * | 2020-07-15 | 2021-02-23 | 王博妮 | 一种基于精细化气象预报服务出海决策的人、船管理系统及方法 |
CN112966863A (zh) * | 2021-02-26 | 2021-06-15 | 兰州中心气象台(兰州干旱生态环境监测预测中心) | 一种用于天气预报的一体化智能网格预报业务系统 |
CN114020786A (zh) * | 2021-10-25 | 2022-02-08 | 浪潮软件科技有限公司 | 一种通过多种气象信息计算雨情预警范围的方法及系统 |
CN116307013A (zh) * | 2022-08-16 | 2023-06-23 | 广西壮族自治区气候中心 | 一种台风实时监测预报评估系统 |
CN115798177A (zh) * | 2023-02-09 | 2023-03-14 | 浙江省气象台 | 多源资料动态阈值临近报警方法及系统 |
CN116661022A (zh) * | 2023-03-20 | 2023-08-29 | 海南省气候中心 | 一种基于多时间尺度气候因子协同的海南岛强台风预报方法 |
CN117556197A (zh) * | 2024-01-11 | 2024-02-13 | 中国气象科学研究院 | 一种基于人工智能的台风涡旋初始化方法 |
Non-Patent Citations (1)
Title |
---|
基于广州市FAST 平台的决策气象服务系统;钱嘉星等;《广东气象》;20180228;第40卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117893176A (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109958588B (zh) | 结冰预测方法、装置、存储介质、模型生成方法及装置 | |
CN111144631B (zh) | 基于贝叶斯网络算法的航班延误实时概率预测方法 | |
Lindell et al. | A hurricane evacuation management decision support system (EMDSS) | |
CN108375808A (zh) | Nriet基于机器学习的大雾预报方法 | |
WO2017032210A1 (zh) | 一种基于聚类分析的输电线路山火风险区域划分方法 | |
CN111508279B (zh) | 一种天气避让场划设的方法 | |
CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN112285807A (zh) | 一种气象信息预测方法及装置 | |
CN110046812A (zh) | 城市安全发展水平的综合评价方法 | |
CN108491877A (zh) | 一种分类对流天气概率预报方法及装置 | |
CN109522599A (zh) | 一种台风导致的输电线路突发故障预警方法 | |
Sheridan | Current gust forecasting techniques, developments and challenges | |
CN113344408B (zh) | 民航交通管制运行多尺度态势感知流程的处理方法 | |
CN110097100A (zh) | 一种基于离散动态贝叶斯网络的桥梁状态评估方法 | |
CN115688032A (zh) | 基于多源数据融合的台风灾害下电网风险预警方法及系统 | |
CN110097223B (zh) | 一种台风灾害下输电线路损毁预警方法 | |
CN117893176B (zh) | 台风预报业务多岗位决策协同方法及系统 | |
CN109101659A (zh) | 一种小水电数据采集系统中功率数据异常的方法 | |
CN116663393A (zh) | 一种基于随机森林的配电网持续高温下故障风险等级预测方法 | |
CN114564889A (zh) | 一种基于pca模型的配电网大风灾害预警方法 | |
CN114399082A (zh) | 一种输电线路融冰优先级制定方法及系统 | |
CN110174713B (zh) | 一种电力线路强对流天气监测预警方法及装置 | |
CN113609406A (zh) | 基于地理编码的高空作业风势信息共享方法、系统及设备 | |
CN112668948A (zh) | 基于多源信息融合的林业生态环境人机交互系统及方法 | |
Li | Improving Wind Ramp Predictions Using Gabor Filtering and Statistical Scenarios |
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 |