申请/专利权人：兰州大学

申请日：2024-01-03

公开（公告）日：2024-03-26

公开（公告）号：CN117760592A

主分类号：G01K13/02

分类号：G01K13/02;G06N20/10;G06N3/044;G06N3/047;G06N3/0475;G01W1/00;G01W1/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明涉及一种基于DBN‑SVR的海表面温度预测方法，包括以下步骤：⑴选取预测区域，获取海表面温度资料后截取相应区域的数据，经归一化处理得到处理后的数据；⑵处理后的数据作为输入层输入至DBN‑SVR模型中，并以平均绝对误差和均方根误差作为模型的评价指标；然后进行相空间重构；⑶在所选取的区域内随机选取五个格点的数据，然后对于不同的延迟时间和嵌入维度进行训练，绘制热力图，以选取模型所需的最佳参数；⑷使用计算出来的最佳参数用于模型训练，进行未来30天的预测，并分析对比预测结果的均方根误差和平均绝对误差；⑸将最新的海表面温度观测结果输入到训练好的模型中，对未来30天的海表面温度进行预测。本发明无数据资源限制，且提高了预报效果。

主权项：1.一种基于DBN-SVR的海表面温度预测方法，包括以下步骤：⑴选取预测区域，获取海表面温度资料后截取相应区域的数据，对该数据进行归一化处理，得到处理后的数据；⑵所述处理后的数据作为输入层输入至DBN-SVR模型中，并以平均绝对误差和均方根误差作为模型的评价指标；然后将所述处理后的数据按下式进行相空间重构； ；式中：X为SST时间序列重构特征；Y为预测序列；d为嵌入维度，单位为天；m为延迟时间，单位为天；⑶在所选取的区域内随机选取五个格点的数据，然后对于不同的延迟时间和嵌入维度进行训练，且对训练的均方根误差结果进行平均，并绘制热力图，以选取模型所需的最佳参数；⑷使用计算出来的最佳参数用于模型训练，进行未来30天的预测，并分析对比预测结果的均方根误差和平均绝对误差；⑸将最新的海表面温度观测结果输入到训练好的模型中，对未来30天的海表面温度进行预测。

全文数据：

权利要求：

百度查询： 兰州大学 一种基于DBN-SVR的海表面温度预测方法

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