申请/专利权人：广东海洋大学

申请日：2023-12-07

公开（公告）日：2024-03-08

公开（公告）号：CN117665974A

主分类号：G01W1/10

分类号：G01W1/10;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种海雾及低云覆盖二维分布场预报方法及系统，涉及人工智能技术领域，构建基于U形深度二维卷积神经网络的海雾低云时空变化二维场预报分析模型，采用2DCNN层，搭建深度编码解码器，组建U形深度二维卷积神经网络模型，引入残差学习机制，将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间；引入多头注意力机制模块，将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵；使用训练好的模型对二维海雾场信息进行预报。本发明能够对海雾低云随时间变化的空间分布进行动态预报，提前预报并掌握海雾低云的生消变化，可以为水上陆地以及空中的交通运输提供一种大的视角海雾低云分布预报，进一步保障交通运输安全。

主权项：1.一种海雾及低云覆盖二维分布场预报方法，其特征在于，包括以下步骤：S1、对影响海雾生成以及空间变化的各个多模态气象因子二维场信息进行区域截取汇总收集，选择相对应海域的雾以及低云二维场分布信息场；S2、采用相关函数法，计算各个气象因子与雾以及低云二维场的自相关系数，获取各气象因子权重因子；根据权重因子筛选有效气象因素；S3、构建基于U形深度二维卷积神经网络的海雾低云时空变化二维场预报分析模型，所述模型以空间气象学因子作为输入，输出海雾低云时空变化二维场预报结果；构建所述模型包括：采用2DCNN层，搭建深度编码解码器，组建U形深度二维卷积神经网络模型，2D卷积核用于挖掘各个气象因子之间的深层耦合交互影响特征；编码器部分提取具有低阶非线性信息的张量序列的高维特征图，而解码器模块导出高维度语义信息；将残差学习机制引入U形深度二维卷积神经网络模型，残差学习机制控制模型信息流的特征提取和保真融合，将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间；每一个残差模块的输出信息流为原始信息流与经过卷积映射的输出信息流之和；在U形深度二维卷积神经网络模型中进一步引入多头注意力机制模块；通过所述多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵；S4、采用交叉验证法对所述模型进行训练，并使用训练好的模型对二维海雾场信息进行预报。

全文数据：

权利要求：

百度查询： 广东海洋大学 海雾及低云覆盖二维分布场预报方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD