登录 注册

三等奖:Helloworld团队

线性回归、XGBoost、遗传算法、算法融合、特征优化

根据卫星云图的特点,识别并提取指定地点和时间的像素点的亮度值用于主要输入数据。为防止算法过拟合或欠拟合,采用了基于遗传算法的三段式线性回归函数和基于机器学习的XGBoost算法进行算法融合,通过MAE平均绝对误差法来训练结果,并将收敛后的结果用于辐射值预测。

三等奖:大气科学小分队

基于卫星数据的地表辐照度反演

获取长期、大范围、准确的地表辐照度对于国计民生有重要意义。区域的地表辐照度是农业、光伏发电等产业发展的基础数据,大范围的地表辐照度的变化对于全球气候变化研究具有重要作用。

二等奖:机器不思异团队

卫星云图+地面观测云图预测辐照量

使用机器学习方法求解本赛题。主要构造了两类特征,第一类特征计算了晴天情况下不同经纬度和时间的太阳辐照强度理论值。第二类特征根据卫星云图统计各站点各时间云量的多少,方法是选取每个站点所在位置周围±2像素(约相当于14×14千米)和周围±4像素(约相当于28×28千米)的目标区域,每个目标区域提取对应时间前后15分钟、前后30分钟、前后45分钟的卫星云图序列,然后对每个目标区域每个云图序列提取以下统计信息:总亮度均值、淡云比例、中云比例、较浓云比例、浓云比例。

一等奖:Tuscloud团队

卫星云图+地面观测云图预测辐照量

本文根据一段时间内的卫星云层图片数据和相同时间段内的多采样点辐照量特征作为基础,通过神经网络基于自研的Deep&ConvX融合模型训练出可预测辐照量的模型,并以新时间范围内的卫星云层图片数据作为判断参数,预测同一多采样点在每个规定时间点的辐照量数据。在此基础上迭代优化,最终实现对辐照量数据预测的模型建立。

咨询&建议

黄色笑话