龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京大学
申请日：2024-03-21
公开（公告）日：2024-06-21
公开（公告）号：CN117950087B
主分类号：G01W1/10
分类号：G01W1/10;G06F18/27;G06N5/01;G06F18/243;G06F18/2411;G06N3/044;G06F123/02
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本申请提供一种基于大尺度最优气候模态的人工智能降尺度气候预测方法，利用时空耦合模态分解方法，以降尺度气候预测目标要素对应的大尺度气候要素为基础，提取决定大尺度气候要素异常相对倾向的同期大尺度最优气候模态及时间序列；利用人工智能模型训练和构建大尺度最优气候模态与区域精细化预测目标气候要素异常相对倾向之间非线性关系的降尺度预测模型；将全球气候动力模式预测的同期大尺度最优气候模态时间系数带入该预测模型，预测区域精细化气候要素异常相对倾向；结合近期背景异常，实现对区域精细化预测目标气候要素距平的人工智能降尺度气候预测。该方法通过建立高效、准确的降尺度气候预测模型，能够提升区域精细化气候预测能力。
主权项：1.一种基于大尺度最优气候模态的人工智能降尺度气候预测方法，其特征在于，所述方法包括：基于降尺度气候预测目标要素对应的大尺度预测目标要素，选定用于物理统计关系构建的大尺度环流场，并分别确定对应的气候异常场、异常相对倾向场以及近期背景异常场；对所述大尺度环流场的异常相对倾向场和所述大尺度预测目标要素的异常相对倾向场进行时空耦合分解，得到所述大尺度预测目标要素的异常相对倾向场的大尺度最优气候模态和所述大尺度最优气候模态对应的时间序列；将所述时间序列作为预测因子，所述降尺度气候预测目标要素的异常相对倾向场作为预测目标，对待训练人工智能预测模型进行训练，得到基于人工智能方法的非线性预测模型；根据所述大尺度最优气候模态和同期大尺度环流场，确定所述同期大尺度环流场对应的时间系数，并将所述时间系数导入所述人工智能预测模型，得到所述降尺度气候预测目标要素的异常相对倾向场的预测结果；基于所述降尺度气候预测目标要素的近期背景异常场和所述降尺度气候预测目标要素的异常相对倾向场的预测结果，得到所述降尺度气候预测目标要素距平场的非线性定量化人工智能预测结果。
全文数据：
权利要求：
百度查询： 南京大学 基于大尺度最优气候模态的人工智能降尺度气候预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号