买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种基于深度学习的北极海冰密集度预测方法_南京信息工程大学_202410011116.9 

申请/专利权人:南京信息工程大学

申请日:2024-01-04

公开(公告)日:2024-04-09

公开(公告)号:CN117851775A

主分类号:G06F18/20

分类号:G06F18/20;G06F18/213;G06F18/25;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.04.26#实质审查的生效;2024.04.09#公开

摘要:本发明提供公开了一种基于深度学习的北极海冰密集度预测方法,具体为,步骤1:获取北极海冰密集度数据和ERA5气象因子数据;步骤2:对气象因子数据进行预处理,步骤3:将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接,得到多源融合数据;步骤4:将步骤3中的多源融合数据按照时间分成n组,建立特征提取网络;该特征提取网络包n个特征提取模块,步骤5:将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中,提取多源融合数据组的时空特征,步骤6:将特征提取网络的输出输入至自适应权重分配网络中,得到海冰密集度预测值。本发明解决了传统时序预测模型注意力集中在末端的问题,有效提升了预测的精确度。

主权项:1.一种基于深度学习的北极海冰密集度预测方法,其特征在于,具体包括如下步骤:步骤1:获取北极海冰密集度数据和ERA5气象因子数据;步骤2:对气象因子数据进行预处理,使得气象因子数据与北极海冰密集度数据空间对齐;步骤3:将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接,得到多源融合数据;步骤4:将步骤3中的多源融合数据按照时间分成n组,建立特征提取网络;该特征提取网络包括n个特征提取模块,一个特征提取模块对应一组多源融合数据组,将每组多源融合数据组按照时间顺序输入至对应的特征提取模块;步骤5:将第t组多源融合数据组输入到特征提取网络的第t个特征提取模块中,提取多源融合数据组的时空特征;t=1,2,…,n;步骤6:将特征提取网络的输出输入至自适应权重分配网络中,得到海冰密集度预测值。

全文数据:

权利要求:

百度查询: 南京信息工程大学 一种基于深度学习的北极海冰密集度预测方法

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。