申请/专利权人：浙江大学

申请日：2023-12-13

公开（公告）日：2024-03-08

公开（公告）号：CN117669829A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/26;G06N3/0464;G06N3/0442;G06N3/045

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：本发明公开了一种基于空间注意力机制深度网络的北极海冰预测方法，将待检测海冰数据输入到每个北极海冰预测模型中，采用不同的温度系数对北极海冰浓度级别的概率分布进行温度缩放，然后按对应月份平均集成，最后选择平均集成后的概率分布均值中的概率最大值，输出概率最大值对应的北极海冰浓度数据分类结果，完成北极海冰的预测。本发明通过在U‑Net模型中添加基于网格的门控注意力机制，对无关区域的激活进行抑制、强化与任务相关的区域的激活并使注意力系数具体到局部区域，进而有效提升模型的长期预测能力。本发明提出的北极海冰预测模型能够更加准确地预测海冰出现的范围，并在极端海冰事件时也能保持较好的性能。

主权项：1.一种基于空间注意力机制深度网络的北极海冰预测方法，其特征在于，包括以下步骤：S1.获取连续若干个月份的原始北极海冰浓度网格数据、原始非海冰浓度数据、线性趋势预测数据以及部分元数据，并对原始北极海冰浓度网格数据和原始非海冰浓度数据分别进行数据预处理，得到每个网格的待检测海冰数据；S2.获取若干个经过训练的基于空间注意力深度网络的北极海冰预测模型，每个所述北极海冰预测模型各自采用不同的随机种子初始化，将每个网格的待检测海冰数据输入到每个所述北极海冰预测模型中，由每个北极海冰预测模型对应输出当前网格未来12个月份中每个月份北极海冰浓度级别的概率分布，构成海冰概率网格数据；对每个北极海冰预测模型对应输出当前网格未来12个月份中每个月份北极海冰浓度级别的概率分布均进行温度缩放，其中，每个北极海冰预测模型各自在不同的月份采用不同的温度系数；其中，每个北极海冰预测模型均为带有门控注意力机制的U-Net模型；S3.将温度缩放后的来自不同北极海冰预测模型、同一网格且同一月份的北极海冰浓度级别的概率分布按照对应月份进行平均集成，得到每个月份的北极海冰浓度级别的概率分布均值；S4.选择每个月份的北极海冰浓度级别的概率分布均值中的概率最大值，输出概率最大值对应的每个月份北极海冰浓度数据分类结果，完成北极海冰的预测。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于空间注意力机制深度网络的北极海冰预测方法

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。

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