[发明专利]基于时空信息交互融合的海表温度预测方法、系统及应用

权利要求书

1.基于时空信息交互融合的海表温度预测方法，其特征在于，包括以下步骤：

S1、将t个时刻维度为M*N*V的海表面温度数据矩阵在V维度上进行矩阵平均操作并将矩阵聚合，得到维度为t*M*N的矩阵S；M、N、V为三个维度；

S2、从矩阵S中抽取每一空间点的时空矩阵，其中；抽取方法为抽取t天中点i的特征值与其邻域内D-1个空间点的特征值作为该点的，维度为；之后将进行矩阵变换，得到i点的维度为t*D的时空网格，从而得到所有时刻的时空网格；

S3、将进行特征聚合，得到时间特征矩阵，的维度为M*N*t*D，M*N代表存在M*N个空间点，对于每个空间点存在一个维度为t*D的二维时间特征矩阵，其中每一行代表海表面温度的时间特征，即每个空间点时刻的时间特征，维度为1*D；

S4、将的后两维度进行转置操作得到空间特征矩阵，的维度为M*N*D*t，M*N代表存在M*N个空间点，对于每个空间点存在一个维度为D*t的二维空间特征矩阵，其中每一行代表海表面温度的空间特征，即每个空间点上的空间特征，维度为1*t；

S5、将和转换为M*N个点的二维时间特征矩阵和二维空间特征矩阵，得到的时间特征矩阵和空间特征矩阵维度分别为t*f和D*f；

S6、通过四个基于transformer的注意力编码块将步骤S5得到的时间特征和空间特征交互融合，其中，基于transformer的注意力编码块分别是基于时间自注意力模块、空间自注意力模块、时间指导空间注意力模块、空间指导时间注意力模块，输入时间特征矩阵和空间特征矩阵最终分别得到M*N个样本点的t*l、D*l、t*l和D*l的四个特征矩阵M₁、M₂、M₃、M₄；

S7、将四个特征矩阵M₁、M₂、M₃、M₄进行聚合，得到t*D维度的聚合时空矩阵M；

S8、将聚合时空矩阵M经过LSTM操作，得到最后M*N个点的预测结果；通过M*N个空间点的真实数据值y进行损失计算，进行反向传播操作更新模型参数。

2.根据权利要求1所述的基于时空信息交互融合的海表温度预测方法，其特征在于，步骤S6中，所述基于时间自注意力模块，只接受时间特征矩阵并设置权重，，，分别与相乘所得，，：

之后计算时间特征间关系权重矩阵

最后利用中特征间的关系权重，计算M₁，对不同的特征分配关注度：

最终得到的矩阵M₁是时间特征相互指导的特征矩阵。

3.根据权利要求1所述的基于时空信息交互融合的海表温度预测方法，其特征在于，步骤S6中，所述空间自注意力模块，只接受空间特征矩阵并设置权重，，，分别与相乘所得，，：

之后计算空间特征间关系权重矩阵

最后利用中特征间的关系权重，计算M₂，对不同的特征分配关注度：

最终得到的矩阵M₂是空间特征相互指导的特征矩阵。

4.根据权利要求1所述的基于时空信息交互融合的海表温度预测方法，其特征在于，步骤S6中，所述时间指导空间注意力模块，首先接受时间特征矩阵和并设置权重，与相乘所得，作为时间指导矩阵：

之后输入空间特征矩阵并设计权重，，分别与相乘所得，：

计算时空关系权重矩阵

最后利用中特征间的关系权重，计算M₃，即分配时间特征对空间特征的关注度：

最终得到的矩阵M₃是时间特征指导空间特征的特征矩阵。