排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。 相似文献
2.
选取河源市1964—2013年共50年的人工观测雷暴日资料以及2012—2013年的闪电定位数据分析河源地区的雷暴日特征,结果表明:河源市雷暴日数具有明显的年代际变化特征,总体呈现缓慢震荡减少的趋势;由M-K检验结果发现市区雷暴日数在1988年前后发生突变,河源市4个县的年际突变时间在1982—1992年范围间。在2012—2013年时间段内,由闪电定位仪数据得到的雷电日与人工观测雷暴日的月变化趋势基本一致,但雷电日数远大于雷暴日数,可能与人工记录的缺失或闪电定位仪误记有关。 相似文献
1