龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国石油大学(华东)
摘要：本发明提供了一种基于多尺度注意力机制与数据同化的海洋表面潜热通量预测模型，涉及海洋学和气候动力学领域。我们将方法主要分为三个步骤：基于U‑Net架构的特征提取、多尺度注意力机制的特征增强和集合卡尔曼滤波器EnKF数据同化。在第一步中，模型采用编码器‑解码器结构，从海洋表面潜热通量数据中系统地提取、转换和重建空间特征。第二步中，通过引入多尺度注意力机制，显著提高模型的识别能力。第三步中，通过EnKF同化实时观测数据，基于新数据输入进行连续调整，确保预测的鲁棒性和准确性。实验结果表明，该模型在预测海洋表面潜热通量方面具有优越性能，体现了复杂神经网络结构与实时数据校正机制的集成，提高了预测能力。
主权项：1.一种基于多尺度注意力机制与数据同化的海洋表面潜热通量预测模型，该模型分为以下几个主要步骤，针对海洋表面潜热通量预测的复杂性，执行以下步骤：A、基于U-Net架构的深度学习模型：采用U-Net架构作为基础框架，利用其编码器-解码器结构，从海洋表面潜热通量数据中系统地提取、转换和重建空间特征。编码器部分通过多层卷积神经网络提取特征，解码器部分通过上采样和卷积层逐步恢复特征图，最终生成预测结果。B、基于多尺度注意力机制的特征增强：在U-Net架构基础上，引入多尺度注意力机制模块。该模块能够捕捉不同尺度下的特征，并赋予重要特征更高的权重，从而显著提高模型的识别能力。C、基于集合卡尔曼滤波器EnKF的数据同化：通过集合卡尔曼滤波器EnKF进行数据同化，实时同化观测数据，使模型能够动态适应最新的环境变化，确保预测结果的准确性和可靠性。D、基于多源数据融合的模型训练：整合来自多个数据源的海洋表面潜热通量数据进行模型训练，通过融合多源数据，模型能够学习到更加丰富和全面的特征，提高了对不同环境和条件下的适应能力，从而增强了预测性能。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 一种基于多尺度注意力机制与数据同化的海洋表面潜热通量预测模型
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