法律状态: 全部 已授权 审中
项目申报: 全部 报过 没有报过
共 3 件在售专利
本发明公开了一种基于深度学习的强降水空间整体相似度的降水预报订正方法,包括以下步骤:(1)利用YOLOv5对降水属性进行识别;(2)建立基于GAN的降水预报订正模型;(3)建立基于GAN且融合降水空间特征的强降水订正模型O‑GAN;(4)将测试期的数值模式预报数据代入模型O‑GAN,生成后处理之后的降水预报;本发明有效提高了传统仅优化逐点误差模型的订正技巧;实现了从降水图片到降水雨团空间属性的“端到端”输出,提高客观识别效率;避免了传统逐点订正模型可能出现的预报模糊化问题,同时能够有效捕捉强降水特征,提高降水预报准确率。
📄 2023115185461 📂 G06V10_74 👤 南京信息工程大学; 无锡学院; 南京气象科技创新研究院; 中国人民解放军国防科技大学 📅 2023-11-15
¥0.0 元
本发明公开了一种基于进化算法的特征选择与CART森林的短时强降水预报方法,采用进化算法对特征选择方案进行优化,得到特征选择方案,确定最终种群,使用各特征选择方案分别构建CART树,每棵树由整体数据集中随机选取的3/4的训练集训练得到,将所有树组合从而产生CART森林模型,采集待测地区待预测时间点之前的气象数据,代入CART森林模型中,根据CART森林模型中各棵CART树的分类结果,以少数服从多数的原则来判断所述待预测时间点是否会出现短时强降水天气,以实现对短时强降水天气的准确预报,实用性较强,能够对各类短时强降水预报需求进行高效准确地响应。
📄 2021102263923 📂 G06F18_243 👤 南京信息工程大学 📅 2021-03-01
¥0.0 元
本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法,属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据,不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测,但多使用机器学习方法和CNN等深度学习方法,机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征;而CNN等深度学习方法可以很好的提取特征,但无法很好的运行特征进行预测。因此,提出一种基于CNN‑XGBOOST模型的短时强降水预测方法,本方法可以在不需求雷达回波数据的情况下进行短时强降水预测,同时可以提取特征变量的时间变化特征,并充分利用提取出的特征进行预测。
📄 202310134699X 📂 G06Q10_04 👤 南京信息工程大学; 南京宸象空间信息技术有限公司 📅 2023-02-20
¥0.0 元
发明 已授权

一种基于深度学习的强降水空间整体相似度的降水预报订正方法

2023115185461 · 南京信息工程大学; 无锡学院; 南京气象科技创新研究院; 中国人民解放军国防科技大学
¥0.0 元
发明 已授权

基于进化算法的特征选择与CART森林的短时强降水预报方法

2021102263923 · 南京信息工程大学
¥0.0 元
发明 已授权

基于CNN-XGBOOST模型的短时强降水预测方法

202310134699X · 南京信息工程大学; 南京宸象空间信息技术有限公司
¥0.0 元

求购专区 · 发布技术需求,卖家在线应标

🔋 高能量密度固态电解质材料与制备工艺
预算:¥50-100万截止:2026-08-30发布方:××新能源科技响应:8人

交易保障 · 安心交易

资金托管

买家付款至平台,交易完成/过户成功后放款给卖家

权属尽调

专利有效性分析 + 权属状态核查,确保交易安全

合同审核

标准转让/许可合同模板,支持在线电子签署

全程代办

著录项目变更、备案手续全程代办,省心省力

交易流程 · 六步完成专利交易

1
选专利
2
在线沟通
3
签署合同
4
支付款项
5
办理变更
6
过户完成

成功交易案例

🔬

固态锂电池电解质专利包

转让方:中国科学院××研究所
受让方:××新能源科技有限公司
交易类型:独占许可
交易金额:¥320万
🧬

CRISPR基因编辑技术

转让方:××大学
受让方:××生物医药有限公司
交易类型:转让
交易金额:¥1,200万
⚡

SiC功率器件工艺专利

转让方:××半导体有限公司
受让方:××汽车电子集团
交易类型:转让
交易金额:¥680万
☀️

钙钛矿光伏组件技术

转让方:××科技公司
受让方:××能源集团
交易类型:开放许可
交易金额:¥50万/年