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：中国船舶科学研究中心
申请日：2024-03-26
公开（公告）日：2024-06-28
公开（公告）号：CN118261044A
主分类号：G06F30/27
分类号：G06F30/27;G01W1/10;G01C13/00;G06F18/25;G06F18/214;G06F18/21;G06N3/042;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084;G06F111/10;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开了一种适用于非结构海浪时空数据的有义波高预报方法，涉及海洋科学与深度学习技术领域，该方法包括：确定任务目标内容；收集任务相关的海洋气象观测记录，通过计算得到非结构海浪再分析数据，从中提取所需的数据特征构建数据集，包括目标海域一段时间的有义波高时空变化情况和海面风场数据；使用训练集对融合的神经网络模型进行训练，该模型基于长短期记忆神经网络和图注意力神经网络，分别捕捉有义波高在时间和空间维度上的数据特征；使用测试集对模型进行最终的性能测试；将通过性能测试的模型应用于实际海浪波高预报中，提供实时或未来一段时间的海浪有义波高预测结果。该方法不仅节约了计算时间，也保证了有义波高预测的可靠性。
主权项：1.一种适用于非结构海浪时空数据的有义波高预报方法，其特征在于，所述方法包括：确定任务目标内容，包括预报对象的海域范围和预测时长；收集任务相关的海洋气象观测记录，通过计算得到非结构海浪再分析数据，从中提取所需的数据特征来构建数据集，所述所需的数据特征包括目标海域一段时间内的有义波高时空变化情况和海面风场数据；对所述数据集进行预处理操作，并划分为训练集和测试集；使用所述训练集对融合的神经网络模型进行训练，所述融合的神经网络模型基于长短期记忆神经网络LSTM和图注意力神经网络GAT实现；使用所述测试集中的海洋气象数据，输入至训练好的模型中以预测目标海域的有义波高，并与实际观测波高数据进行对比，对模型进行最终的性能测试；将通过性能测试的模型应用于实际海浪波高预报中，提供实时或未来一段时间的海浪有义波高预测结果。
全文数据：
权利要求：
百度查询： 中国船舶科学研究中心 一种适用于非结构海浪时空数据的有义波高预报方法
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