[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在审
申请号: | 202010271843.0 | 申请日: | 2020-04-08 |
公开(公告)号: | CN111476824A | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 张敏;刘羽;崔坤磊;杨振宇;于占乐;李龙翔;王倩 | 申请(专利权)人: | 苏州浪潮智能科技有限公司 |
主分类号: | G06T7/269 | 分类号: | G06T7/269 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 刘新雷 |
地址: | 215100 江苏省苏州市吴*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 表面温度 预测 方法 装置 计算机 可读 存储 介质 | ||
本申请公开了一种海表面温度预测方法、装置及计算机可读存储介质。其中,方法包括预先基于神经网络的光流速预测算法构建并训练好用于输出目标海水区域的流速值的海水流速预估模型;将当前时刻和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,得到当前时刻的海水流速值;基于预先构建的海水温度变化关系,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,根据当前时刻的海水流速值计算得到当前时刻的下一时刻的海水表面温度值,从而实现对海水表面温度的预测,有效地提高了海水表面温度预测的准确度和海水表面温度的预测效率。
技术领域
本申请涉及预估海水表面温度技术领域,特别是涉及一种海表面温度预测方法、装置及计算机可读存储介质。
背景技术
海表面温度为影响海面水气交换和热通量的一个重要因素,海表面温度的变化主要受到海洋的热力过程、动力过程以及海气相互作用的影响。通过海表面温度,可以研究海洋环流、海水混合、厄尔尼诺现象、全球变暖现象及台风等,有助于预测诸如台风等。
目前实时海表面温度主要通过反演卫星遥感数据得到,即得到的观测资料。而海表面温度的预测一般是通过数值模式数值求解的方法得到。相关技术通过利用长短期记忆网络(LSTM,Long Short-TermMemory)来实现海表面温度的预测。长短期记忆网络为一种时间循环神经网络,是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的,所有的RNN都具有一种重复神经网络模块的链式形式。
尽管长短期记忆网络可准确预测时间序列,但是海水温度为一个流体,其每时每刻都是在运动的。在下一个时刻,海水的可能已经运动到其他的位置,因此对于区域的海水温度的预测,对某一位置的海水温度,使用时间序列的神经网络模型来预测就有很多的不确定性,导致预测得到的海表面温度准确度不高。
发明内容
本申请提供了一种海表面温度预测方法、装置及计算机可读存储介质,有效地提高了海表面温度的预测准确度。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种海表面温度预测方法,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。
可选的,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·(Ah·▽h·T)为温度水平扩散项;Ah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。
可选的,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。
可选的,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;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010271843.0/2.html,转载请声明来源钻瓜专利网。