检索结果-内蒙古大学图书馆

应用科学学报 2025年第1期43卷 51-65页

作者：王冰轮方巍南京信息工程大学计算机学院江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000

针对数据订正常用的深度学习模型U-Net中不能充分学习空间特征以及图像细节信息丢失的问题,提出了S-CUnet 3+模型。S-CUnet 3+采取以下两个措施对U-Net进行改进:一是将原模型与能够学习图片全局特征的Swin Transformer有机结合起来;二... 详细信息

针对数据订正常用的深度学习模型U-Net中不能充分学习空间特征以及图像细节信息丢失的问题,提出了S-CUnet 3+模型。S-CUnet 3+采取以下两个措施对U-Net进行改进:一是将原模型与能够学习图片全局特征的Swin Transformer有机结合起来;二是引入多尺度连接操作。模型还采用了预训练与微调的训练策略针对多个预报步长同时订正。7个预报步长的日平均2 m气温预报值订正的实验结果表明,S-CUnet 3+模型对所有预报步长的预报都有明显的订正效果,其中24 h预报步长的订正效果最好,平均绝对误差和均方根误差分别下降了50.64%和49.25%,且相比于基于历史资料的模式距平积分预报订正、分位数回归、岭回归、U-Net、CU-Net、Dense-CUnet和RA-UNet这7种订正方法,S-CUnet 3+取得了更好的订正效果。

关键词：数据订正深度学习 Swin Transformer 预训练微调

来源：评论

学校读者我要写书评

暂无评论

基于统计数据的Web站点测试

引用

计算机科学 2003年第10期30卷 21-24页

作者：许蕾徐宝文陈振强东南大学计算机科学与工程系南京210096 武汉大学软件工程国家重点实验室武汉430072 江苏省计算机信息处理技术重点实验室开放基金苏州大学苏州215006

1引言Web应用具有广泛性、交互性和易用性等特点,其迅猛的发展态势吸引了人们广泛的关注[19].能够吸引尽可能多的用户并对其长时间关注是网站追求的主要目标,也是衡量一个网站是否成功的主要指标[1].

1引言 Web应用具有广泛性、交互性和易用性等特点,其迅猛的发展态势吸引了人们广泛的关注[19].能够吸引尽可能多的用户并对其长时间关注是网站追求的主要目标,也是衡量一个网站是否成功的主要指标[1].

关键词：用户访问模式网页分组网站 Web站点测试统计数据

来源：评论

学校读者我要写书评

暂无评论

深度学习在卫星云图移动预测中的研究综述

引用

遥感信息 2024年第6期39卷 1-11页

作者：郑行钰方巍陶恩屹南京信息工程大学计算机学院南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室南京210041 苏州大学江苏省计算机信息处理技术重点实验室苏州215000

随着人工智能技术的迅猛发展,神经网络逐渐应用于卫星云图移动预测中,预测的准确率和效率正在不断提高。文章综述了传统方法和深度学习方法在卫星云图移动预测中的研究,旨在使读者全面了解该领域现有的知识和研究进展。首先,介绍了云对... 详细信息

随着人工智能技术的迅猛发展,神经网络逐渐应用于卫星云图移动预测中,预测的准确率和效率正在不断提高。文章综述了传统方法和深度学习方法在卫星云图移动预测中的研究,旨在使读者全面了解该领域现有的知识和研究进展。首先,介绍了云对气候变化的影响以及卫星云图移动预测对气象领域的重要性,并回顾了传统的云移动预测方法,分析了它们的优缺点。其次,简单介绍了该领域常用的深度学习模型的概念,并深入探讨了深度学习方法在卫星云图移动预测中的应用,归纳总结了当前的研究进展,阐述了深度学习相比于传统方法的优点。最后,总结了目前深度学习在该领域所面临的问题与挑战,同时对未来的研究方向进行了展望。

关键词：人工智能神经网络卫星云图深度学习云移动预测

来源：评论

学校读者我要写书评

暂无评论

MEPM模型:基于深度学习的多变量厄尔尼诺-南方涛动预测模型

引用

地球科学与环境学报 2024年第3期46卷 285-297页

作者：方巍张霄智齐媚涵南京信息工程大学计算机学院江苏南京210044 南京信息工程大学数字取证教育部工程研究中心江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室湖北武汉430205 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有... 详细信息

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有重要意义。然而,目前基于深度学习的ENSO预测大多数是预测一个指数或者单一变量,对于模拟多气候要素下的ENSO预测研究较少。通过提出一种利用多气候变量的ENSO预测模型——MEPM模型,其中包括多变量信息提取模块(MIEM)和时空融合模块(STFM),捕获不同气候变量在时空上的相互依赖性,进而提高ENSO预测的准确性。选取了纬向风应力异常(τ_(x))、经向风应力异常(τ_(y))、海表温度异常(SSTA)和海表下150 m温度异常(SSTA150)4个变量的距平值进行ENSO预测。结果表明:MEPM模型在提前11个月的Nino3.4指数相关技巧上分别比北美多模型集合中的动力预报系统CanCM4、CCSM3和GFDL-aer04高10%、20%和14%。此外,MEPM模型在中期Nino3.4指数相关技巧上显著优于其他深度学习模型,并可提供长达17个月的有效预测。

关键词：气候变化厄尔尼诺-南方涛动多气候变量深度学习时空序列预测卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

CT-CloudDetect:用于遥感卫星云检测的混合模型

引用

遥感信息 2024年第5期39卷 1-11页

作者：方巍陶恩屹南京信息工程大学计算机学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室南京210041 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210041 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部... 详细信息

云检测是在遥感卫星云图中检测云的任务。近年来,人们提出了基于深度学习的云检测方法,并取得了良好的性能。然而,现有的基于深度学习的云检测模型大多还是基于卷积神经网络(convolutional neural network,CNN),由于卷积运算的固有局部性,难以捕获长距离依赖关系。针对上述问题,文章提出一个基于CNN和ViT(Vision Transformer)的混合型云检测模型,并提出一种基于CNN和ViT的编码器,使网络具备捕捉局部和全局信息的能力。为了更好地融合语义和尺度不一致的特征,提出了一个双尺度注意力融合模块,通过注意力机制有选择地融合特征。此外,提出了轻量级路由解码器,该解码器通过路由结构降低模型复杂度。在3个公开云检测数据集上对模型进行了评估。大量实验表明,所提出的模型具有比现有模型更好的性能。

关键词：深度学习卷积神经网络空间Vision Transformer 混合模型云检测

来源：评论

学校读者我要写书评

暂无评论

基于DSTFN(Deep Spatio-Temprral Fusion Network)模型的热带气旋轨迹预测方法

引用

热带气象学报 2024年第6期40卷 882-895页

作者：方巍杜娟齐媚涵胡鹏昱南京信息工程大学计算机学院/数字取证教育部工程研究中心江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215000 上海农林职业技术学院上海201699

在全球气候变化背景下,越来越多的地区面临着热带气旋的威胁。因此,准确预测热带气旋的轨迹变化对于气象预警和灾害管理至关重要。然而,传统的基于深度学习的热带气旋预测方法在建模热带气旋的时空相关性方面存在局限。为此,提出了一种... 详细信息

在全球气候变化背景下,越来越多的地区面临着热带气旋的威胁。因此,准确预测热带气旋的轨迹变化对于气象预警和灾害管理至关重要。然而,传统的基于深度学习的热带气旋预测方法在建模热带气旋的时空相关性方面存在局限。为此,提出了一种新的深度时空融合网络——DSTFN(Deep Spatio-Temporal Fusion Network)模型,以提高对热带气旋轨迹的预测精度和稳定性。构建了有效融合ConvNeXt(Convolutional Next)模型和门控循环单元的CaConvNeXt-GRU(Convolutional Block Attention Module Integrated with ConvNeXt and Gated Recurrent Unit)模型,以提取热带气旋三维时序数据中的复杂非线性时空特征。同时,引入了卷积块注意力模块,以自动聚焦不同等压面对热带气旋影响更大的特征。此外,设计了分阶段的训练策略,通过依次进行预训练、联合训练和整体训练实现了不同模块的有效融合。为了评估所设计的方法,在国际气候管理最佳路径档案和第五代大气再分析数据集上进行了大量实验。实验结果证明,在预测未来24 h的热带气旋轨迹时,相比于现有的基于深度学习的热带气旋轨迹预测模型,DSTFN模型的平均预测误差降低了约13.71 km。

关键词：热带气旋路径预测 DSTFN模型 CaConvNeXt-GRU模型时空序列预测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：