[发明专利]海表面温度预测方法、装置及计算机可读存储介质

权利要求书

1.一种海表面温度预测方法，其特征在于，包括：

将当前时刻和所述当前时刻的前一时刻的海水表面温度值输入至海水流速预估模型中，得到所述当前时刻的海水流速值；所述海水流速预估模型为预先基于神经网络的光流速预测算法构建并训练的网络模型，用于输出目标海水区域的流速值；

基于预先构建的海水温度变化关系，根据所述海水流速值计算得到所述当前时刻的下一时刻的海水表面温度值；所述海水温度变化关系为相邻时刻海水表面温度与海水流速间的对应关系。

2.根据权利要求1所述的海表面温度预测方法，其特征在于，所述海水温度变化关系为：

其中，

式中，T为温度，t为时间，为海水水平平流项，▽_h·(A_h·▽_h·T)为温度水平扩散项；A_h为水平扩散系数，x,y分别为经纬度坐标值，为水平方向h上的速度矢量值，▽_h为水平方向h上的梯度算子，v、u分别为径向流速和纬向流速。

3.根据权利要求1所述的海表面温度预测方法，其特征在于，所述海水流速预估模型的训练样本集中的样本数据为卫星遥感数据反演得到的观测数据；所述海水流速预估模型的训练过程包括：

对所述训练样本集中的样本数据进行预处理，得到去除波动变化的训练样本集；

对去除波动变化的训练样本集进行归一化处理，得到归一化样本数据。

4.根据权利要求3所述的海表面温度预测方法，其特征在于，所述对去除波动变化的训练样本集进行归一化处理，得到归一化样本数据包括：

计算所述训练样本集中的样本数据的均值和均方差；

依次将所述训练样本集中的每个样本数据减去均值，得到去除均值的训练样本集；

依次将去除均值的训练样本集中的每个样本数据除以均方差，得到归一化样本数据。

5.根据权利要求3所述的海表面温度预测方法，其特征在于，所述对所述训练样本集中的样本数据进行预处理，得到去除波动变化的训练样本集包括：

所述训练样本集包括多个子数据集，每个子数据集包括固定预设时间段的观测数据；

分别计算各子数据集的均值，将每个子数据集中的样本数据减去相应子数据集的均值，得到去除波动变化的训练样本集。

6.根据权利要求1至5任意一项所述的海表面温度预测方法，其特征在于，所述海水流速预估模型包括输入层、卷积神经网络模块、反卷积神经网络模块和输出层；

所述输入层为4层；所述卷积神经网络模块用于将通过所述输入层输入的待处理图像进行缩小并提取特征图信息；所述反卷积神经网络用于将所述卷积神经网络模块输出的图像进行尺寸扩大以与所述待处理图像尺寸相同；所述输出层为2层。

7.根据权利要求6所述的海表面温度预测方法，其特征在于，所述海水流速预估模型的学习速率为1e-4，且所述海水流速预估模型每次训练所选取的样本数目为64。

8.一种海表面温度预测装置，其特征在于，包括：

模型预构建模块，用于预先基于神经网络的光流速预测算法构建并训练的网络模型，用于输出目标海水区域的流速值；

海水流速值计算模块，用于将当前时刻和所述当前时刻的前一时刻的海水表面温度值输入至海水流速预估模型中，得到所述当前时刻的海水流速值；

温度预测模块，用于基于预先构建的海水温度变化关系，根据所述海水流速值计算得到所述当前时刻的下一时刻的海水表面温度值；所述海水温度变化关系为相邻时刻海水表面温度与海水流速间的对应关系。

9.一种海表面温度预测装置，其特征在于，包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7任一项所述海表面温度预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有海表面温度预测程序，所述海表面温度预测程序被处理器执行时实现如权利要求1至7任一项所述海表面温度预测方法的步骤。