摘要
本发明公开一种基于强对流识别的集合同化成员构建方法,包括步骤:根据预报区域和预报时段,获取历史气象数据,并进行预处理,构建数据训练集;采用所述数据训练集,构建并训练获得用于识别强对流的类型的分类识别模型;构建集合成员生成模型,并基于不同的强对流的类型分别进行训练,为每种强对流的类型各构建集合成员生成模式;采用分类识别模型对预生成集合成员的天气进行分类,再根据分类结果,选择对应的集合成员生成模式生成集合同化成员。本发明可以有效的对强对流进行分类,结合历史同类型的强对流信息生成集合成员,本发明不需要对模式进行积分,且可以有效提高离散度,降低生成集合成员时对计算资源的需求。
技术关键词
强对流
分类识别模型
辅助分类器
历史气象数据
卷积神经网络设计
池化特征
人工智能分类
解码器
二维卷积网络
编码器
环境风场
天气
数学
表达式
网络架构
模式
构建训练集
模块
系统为您推荐了相关专利信息
分类识别模型
抑郁
心理量表
P300成分
智能评估方法
自主路径规划方法
地图系统
动态障碍物
静态障碍物
工地环境
感知控制方法
数字孪生模型
光伏发电功率预测
电储能单元
能源系统
生成对抗网络
辅助分类器
卷积神经网络特征提取
视觉
预测类别