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：中国海洋大学
摘要：本发明公开了一种基于Transformer的声速剖面长期预测方法，属于海洋观测技术领域。本发明通过并行处理方式和注意力机制充分捕捉了不同海深声速时间序列的分布规律，进而实现了未来全海深声速剖面的长期预测；通过引入位置编码和时间信息编码进一步加强了模型提取历史声速数据之间时空依赖关系的能力，从而提高全海深声速剖面的预测精度；这些改进显著提升了全海深声速剖面的预测精度，从而增强了模型进行声速剖面长期预报时的可靠性。本发明与其他现有声速剖面预测方法相比，首次将时间信息融入到了声速序列预测问题中，显著提升了模型的预测精度和时间性能，为后续海洋声学研究提供了重要的指导意义。
主权项：1.一种基于Transformer的声速剖面长期预测方法，包括以下具体步骤：S1：收集海域的月平均或日平均声速剖面数据，并进行数据预处理；所述数据预处理包括：声速剖面数据进行时间排序处理、将每条声速剖面进一步表示为空间垂直分布声速值数据向量，再进行分层处理，最后进行归一化处理；S2：对数据预处理后的模型输入数据进行位置编码处理；S3：对位置编码完毕后的输入数据进行时间信息编码，将位置编码和时间信息编码处理后的模型输入记为；S4：搭建Semi-Transformer模型，在该模型中：采用X维序列输入层，引入L头的多头注意力层，在多头注意力层之后添加了一个前馈网络FFN；另外，模型采用N层堆叠结构，在模型输出端添加一个线性全连接层；S5：使用经过编码处理的训练集对Semi-Transformer模型进行训练；S6：在训练过程中，对于Semi-Transformer模型进行收敛验证；S7：利用训练完成的Semi-Transformer模型进行声速剖面长期预测，输出预测结果。
全文数据：
权利要求：
百度查询： 中国海洋大学 基于Transformer的声速剖面长期预测方法
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