您的位置: 专家智库 > >

赵阳

作品数:5 被引量:1H指数:1
供职机构:中国气象局更多>>
相关领域:天文地球自动化与计算机技术电子电信更多>>

文献类型

  • 4篇期刊文章
  • 1篇专利

领域

  • 3篇天文地球
  • 2篇自动化与计算...
  • 1篇电子电信

主题

  • 4篇气象
  • 2篇雷达
  • 1篇虚拟现实
  • 1篇学术
  • 1篇学术合作
  • 1篇再利用
  • 1篇实训
  • 1篇实训系统
  • 1篇天气雷达
  • 1篇挑战赛
  • 1篇气象雷达
  • 1篇气象探测
  • 1篇气象网
  • 1篇气象网络
  • 1篇青年
  • 1篇青年教师
  • 1篇青年教师队伍
  • 1篇青年人
  • 1篇青年人才
  • 1篇人工智能

机构

  • 5篇中国气象局
  • 1篇复旦大学
  • 1篇南京信息工程...
  • 1篇国家气象信息...
  • 1篇新疆维吾尔自...

作者

  • 5篇赵阳
  • 3篇赵永明
  • 2篇荆国栋
  • 2篇邹立尧
  • 1篇陈磊
  • 1篇李昊
  • 1篇赵春燕
  • 1篇何华军
  • 1篇陆波
  • 1篇陈锐
  • 1篇温博
  • 1篇唐伟

传媒

  • 1篇中国设备工程
  • 1篇大气科学学报
  • 1篇气象科技进展
  • 1篇电子技术与软...

年份

  • 1篇2025
  • 3篇2022
  • 1篇2015
5 条 记 录,以下是 1-5
排序方式:
气象网络教育资源系统建设研究
2015年
随着现代气象远程教育事业的快速发展,网络教学资源库的建设正向数字化、精品化和个性化的方向发展,以满足气象行业内学习人员不同的学习需求。通过前期深入的调研分析,在了解用户要求的基础上,中国气象局气象干部培训学院积极建设气象教育综合资源管理系统,进一步改善教学资源的组织结构和管理模式,有效提升资源库的使用率,适应当前气象教育培训事业发展的要求。
陈锐赵永明何华军赵阳
关键词:资源体系
众创机制带给气象青年人才的机遇与挑战--对气象干部培训学院“2022江苏气象AI算法挑战赛”参赛团队的采访
2022年
2022年5-8月,由江苏省科学技术协会、江苏省气象局作为指导单位,江苏省气象学会、江苏省气象台和阿里云天池联合组织了2022年江苏气象AI算法挑战赛。此次挑战赛以“AI助力强对流预报”为主题,旨在聚焦短临强对流预报技术研发及应用,探索利用人工智能技术突破短临预报关键性技术瓶颈,推进人工智能技术在气象领域的学术合作、人才培养、技术交流以及多学科交叉融合应用。这种不限年龄、国籍、职业与专业的新型众创机制,既可以为短临强天气预报技术提供新思路新方案,同时也为气象青年人才创造了更多机遇与挑战。中国气象局气象干部培训学院组成的团队,在这次竞赛中,从1874支参赛代表队中脱颖而出,取得了第25名的好成绩。本刊委托来自中国气象局气象发展与规划院的于丹和唐伟,对团队进行采访,共享这支朝气蓬勃的青年教师队伍通过竞赛经历的锻炼和感悟。干部学院AI教学团队负责人钟琦博士的点评也启发我们如何面对AI引领的新创新时代。
于丹唐伟赵阳王晴旭张悦含
关键词:青年教师队伍学术合作
一种具有防护功能的天气雷达展示设备
本实用新型公开了一种具有防护功能的天气雷达展示设备,属于雷达展示技术领域,包括展示台和承载板,展示台上开设有第一安装槽,第一安装槽内转动设置有内螺纹筒,内螺纹筒的一端延伸出第一安装槽,第一安装槽内设置有限位柱,限位柱位于...
荆国栋赵永明邹立尧温博赵阳郑远博
文献传递
风廓线雷达虚拟仿真实训系统建设研究被引量:1
2022年
针对风廓线雷达探空作业培训场景构建困难的问题,提出了基于虚拟现实技术的培训方式,并设计出了一套风廓线雷达虚拟仿真实训系统。该系统通过沉浸式设备强大的交互性,能够对雷达基本操作、日常维护、故障排查等问题进行高仿真度复现,从而能够高效低成本为风廓线雷达探空作业培训提供有效的技术支持。本文对该系统的架构、功能以及开发流程中所涉及的关键技术进行了介绍,系统对于高空气象探测培训效果的提升具有很好的推动作用。
赵阳荆国栋赵永明邹立尧
关键词:虚拟现实风廓线雷达实训系统高空气象探测
人工智能模型“风顺”对中国区域降水技巧检验
2025年
次季节预测在农业规划、防灾减灾和水资源管理等领域具有重要意义。基于人工智能的“风顺”次季节预测模型(CMA-AIM-S2S-Fengshun),结合自主研发的CRA-40再分析数据和FY-3E卫星数据,通过级联Swin Transformer模块和智能扰动生成技术,实现了气候多要素集合预测。对2017—2021年中国区域降水的历史回算检验表明,“风顺”在逐候平均降水预测中的表现显著优于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式,整体技巧提升18.6%,其中华南地区提升41.2%,东部地区提升26.5%。在MJO(Madden-Julian Oscillation)预测方面,“风顺”将技巧保持时间延长至32 d(CRA-40驱动),超过ECMWF的30 d基准。个例分析显示,模型对2024年7月中旬华北强降水过程的落区和强度预测精度更高,提前3~4候捕捉到关键异常信号。
胡家晖陆波陆波李昊仲晓辉陈磊吴捷冯胤庭徐邦琪赵春燕辛昱杭赵春燕
关键词:人工智能降水预测
共1页<1>
聚类工具0