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。

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