人工智能与物联网在大气科学领域中的应用

近年来人工智能和物联网等新兴技术在众多领域中取得了突破性进展,为大数据时代带来革命性的改变.与传统方法相比,人工智能和物联网技术因其在数据的获取、传输、分析和处理等方面具有显著的优势,在大气科学领域引起了广泛的关注.在全球极端天气事件、气象灾害频发的背景下,本文通过文献调研指出了运用人工智能与物联网相结合发展智慧气象的...     

基于LSTM的地基微波辐射计湿度廓线反演

大气湿度廓线对于研究大气系统的复杂性具有十分重要的作用.地基微波辐射计有着连续观测的特性,能够以高时间分辨率反演出高度至10 km的大气湿度廓线,廓线数据对于气象预报和研究气候系统的变化至关重要.为了提高反演大气湿度廓线的精准度,本文使用时间循环神经网络模型,利用微波辐射计连续探测的信号并使用Ka波段毫米波云雷达数据提...     

基于双树复小波变换图像融合方法

基于离敞小波变换的图像融合算法在特征表达上存在不足,将双树复小波变换引入到彩色图像融合中,对彩色图像的3通道分别进行融合,各通道低频取加权平均,高频去较大值的方法.融合效果评价除了使用均方根误差、峰值信噪比和熵外,还使用了通用的主观与客观相结合的方法.实验结果表明,获得的融合图像效果较好,优于离散小波融合算法.     

基于改进mRMR特征选择的云型识别研究

传统的云型识别主要是提取云的颜色、纹理和形状等特征,但这些特征中存在不相关和冗余特征,导致云型识别率降低.在最大相关最小冗余（max relevance and min-redundancy,mRMR）特征选择方法的基础上,运用互信息标准化形式（Symmetrical Uncertainty,SU）克服互信息偏向于取值较多属性的固有缺点,提出了改进的mRMR特征选择方法,对云的综合特征集进行特征筛选,筛选出最优特征子集,运用支持向量机进行云型识别.试验结果表明该方法优于mRMR方法,使层云、积云、高积云、卷云和晴空5种天空类型的总正确率提高,特征选择前、后的总识别率分别为86.96％、89.04％,识别率提高了2％;对于云型识别研究,经过特征选择后可知纹理特征优于形状特征,基于形状的Zernike矩优于HU不变矩,基于纹理的灰度共生矩阵为最优特征提取方法.