龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：天津大学
申请日：2024-02-28
公开（公告）日：2024-06-14
公开（公告）号：CN118195061A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/26;G06N3/044;G06N3/0455;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明提供了一种基于图表征召回机制的中期海表面高度时空预测方法，包括输入卫星观测SSHA数据，对数据进行归一化处理，利用滑动窗口构建SSHA时空序列，划分训练集和测试集；构建预测模型，将训练集中的SSHA时空序列输入到预测模型中训练模型，根据得到的SSHA预测结果和卫星观测SSHA数据计算损失，利用损失函数梯度更新模型参数，直至模型收敛，达到最大迭代次数，保存最优的模型参数；利用训练好的模型参数进行测试，输出SSHA预测结果，根据预测结果和卫星观测SSHA数据计算评价指标。本发明在循环神经网络中引入图表征召回机制用于海表面高度的中期时空预测，以提高算法的中期预测性能。
主权项：1.一种基于图表征召回机制的中期海表面高度时空预测方法，其特征在于：包括如下步骤：步骤一：输入卫星观测SSHA数据，对数据进行归一化处理，利用滑动窗口构建SSHA时空序列，并划分训练集和测试集；步骤二：构建预测模型，所述预测模型包括编码器、循环预测器、以及解码器，将步骤一构建的训练集中的SSHA时空序列输入到预测模型中开始训练模型，SSHA时空序列通过编码器提取SSHA高维特征，获得的SSHA高维特征通过循环预测器捕捉SSHA序列的中长期依赖性，并得到循环预测特征，使用解码器对循环预测特征进行解码，获得未来帧的预测结果；步骤三：根据步骤二得到的预测结果和步骤一得到的卫星观测SSHA数据计算损失，利用损失函数梯度更新模型参数，直至模型收敛，达到最大迭代次数，保存最优的模型参数；步骤四：利用训练好的模型参数进行测试，输出预测结果，根据预测结果和卫星观测SSHA数据计算评价指标。
全文数据：
权利要求：
百度查询： 天津大学 一种基于图表征召回机制的中期海表面高度时空预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号