文献

J-GLOBAL ID：202102267427583618   整理番号：21A0739431

CNN-typhoonモデルに基づくグローバル台風情報収集手法研究【JST・京大機械翻訳】

Global Typhoon Message Collection Method Based on CNN-typhoon Model

著者 (6件)： Han Rui (中国气象局国家气象信息中心 北京 100081;清華大学環境学院 北京 100084) ,  Gu Chunli (北京応用气象研究所 北京 100029) ,  Li Zhe (清華大学精密儀器系 北京 100084;北京小鵬汽車有限公司 北京 100084) ,  Wu Kang (清華大学精密儀器系 北京 100084) ,  Gao Feng (中国气象局国家气象信息中心 北京 100081) ,  Shen Wenhai (中国气象局国家气象信息中心 北京 100081)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： z2  ページ： 11-17  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 台風は強い対流気象システムである。台風情報資料は台風の初期値を提供する最初の供給源として、台風予報の正確性を改善するのに役立つため、全世界の台風の情報を迅速に識別し収集するのは非常に重要である。既存のグローバル台風メッセージのリアルタイム性差,遅延,および受動的受信の問題を目的として,本研究は,MSG,Meteosat-5,MTSAT,GOES-W,GOES-E衛星画像データを用いた。2006年1月-20年8月の1351回のグローバル熱帯低気圧過程を通じて、合計8983枚の赤外線衛星画像に対して、深さ学習アルゴリズムに基づき、CNN-typhoonモデルを提案し、台風の生成、および発生を行わなかった。台風の最強の3種類の画像を識別分類する。実験により,CNN-typhoonモデル訓練セットの認識精度は100%に近く,検証セットの精度は88.1%以上であり,一方,このモデルをシミュレーション業務に代入し,一定期間で31.0%近くのメッセージ収集種類を追加し,メッセージ収集の時効は23.5倍増加した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 時効 ,  シミュレーション ,  対流 ,  熱帯低気圧 ,  気象 ,  *台風 ,  受信 ,  *情報収集 ,  学習アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： モデル ,  グローバル ,  台風 ,  情報収集 ,  手法 ,  研究