一种海洋参数预测模型的训练方法、应用方法及相关系统

本发明涉及海洋数据处理，特别是涉及一种海洋参数预测模型的训练方法、应用方法及相关系统。

背景技术：

1、海洋数值模型是海洋研究领域的重要工具之一。然而，目前在几乎所有先进的海洋模式当中都仍然存在着很大的系统偏差，而导致这一现象产生的最主要原因之一与海洋过程有着密不可分的关系，这类的海洋过程往往具有空间尺度小于模式网格分辨率的特征。这些尚未完全解决的亚网格海洋过程必须在海洋模型当中进行参数化处理，以表示它们在模拟过程中所起到的作用。在海洋模型当中，海洋湍流控制着热和盐收支，以及营养物质和其他示踪剂的热力学混合，从而可进一步影响局部甚至全球的气候。在强垂向剪切条件的海域，海洋状态更容易出现失稳现象。然而，在目前传统的海洋模型当中，大多数沿用的是湍流特性存在很大不确定性的参数化模型，例如k廓线参数化模型(kpp)，这一不确定性将会造成海洋模型在模拟和预测方面的误差，使其预测结果不准确、不可靠。并且传统的数值模式在预测方面呈现出了计算量大、速度慢的特点。其中，缺乏对海洋小尺度动力过程的理解是导致传统物理驱动参数化方案性能较差的主要原因。因此，为了减小海洋模式当中垂向混合参数化的不确定性，需要更新的方法来探索垂向涡粘性系数与海洋变量之间的函数关系，基于通用近似理论，采用深度学习的方法对剪切驱动的垂向混合进行参数化的方案是可行的。

2、深度学习方法已成为地球科学领域尤其是在海洋学研究中的一项关键技术，它在涡旋识别、海表温度和有效波高预测以及复杂气候现象，如厄尔尼诺的预测中，展示了其强大的应用潜力。深度学习特别是各类神经网络模型，已经证明了它们在分析时空数据、识别复杂非线性关系以及模式识别方面的出色性能。

3、因此，面向海洋高分辨率垂向混合参数化，基于深度学习技术，如何提供一种海洋参数预测模型的训练方法，以提高海洋参数预测模型的预测的准确性，成为了本领域目前亟待解决的一个技术问题。

技术实现思路

1、本发明的目的是提供一种海洋参数预测模型的训练方法、应用方法及相关系统，能够有效提高海洋参数预测模型预测的准确性。

2、为实现上述目的，本发明提供了如下方案：

3、第一方面，本发明提供了一种海洋参数预测模型的训练方法，包括：

4、获取样本数据；所述样本数据包括海洋数据以及对应的实际海洋参数结果；所述海洋数据包括经纬度、气压、风速、风向、海水温度、海水水平方向流速和海水深度，所述实际海洋参数结果包括湍动能和涡粘系数。

5、对所述样本数据进行数据预处理，得到预处理后的样本数据。

6、对所述预处理后的样本数据进行特征提取，得到海洋特征。

7、将所述海洋特征输入海洋参数预测模型，输出预测海洋参数结果；所述海洋参数预测模型为前馈神经网络模型、反向传播神经网络模型或者物理驱动神经网络模型；所述预测海洋参数结果为根据所述海洋数据中经纬度、气压、风速、风向、海水温度、海水水平方向流速和海水深度预测得出的湍动能和涡粘系数。

8、根据所述预测海洋参数结果、所述实际海洋参数结果和损失函数，确定损失值。

9、根据所述损失值对所述海洋参数预测模型的参数进行优化，得到训练好的海洋参数预测模型。

10、可选地，获取样本数据，具体包括：

11、利用大涡模拟技术，获取样本数据。

12、可选地，对所述样本数据进行数据预处理，得到预处理后的样本数据，具体包括：

13、按照数据的类别，对所述样本数据进行分类，得到分类数据；所述分类数据包括经纬度数据、气压数据、风速数据、风向数据、海水温度数据、海水水平方向流速数据和海水深度数据。

14、对所述分类数据进行标准化，得到标准数据。

15、对所述标准数据中的缺失值进行填充，得到预处理后的样本数据。

16、可选地，对所述预处理后的样本数据进行特征提取，得到海洋特征，具体包括：

17、采用时间序列分析法，对所述预处理后的样本数据进行特征提取，得到海洋特征。

18、第二方面，本发明提供了一种海洋参数预测模型的应用方法，包括：

19、获取目标海洋数据；

20、对所述目标海洋数据进行数据预处理，得到预处理后的目标海洋数据；

21、对所述预处理后的目标海洋数据进行特征提取，得到目标海洋特征；

22、将所述目标海洋特征输入训练好的海洋参数预测模型，得到所述目标海洋数据对应的预测海洋参数结果；所述训练好的海洋参数预测模型为根据第一方面所述的一种海洋参数预测模型的训练方法训练得到的模型。

23、第三方面，本发明提供了一种海洋参数预测模型的训练系统，包括：

24、样本数据获取模块，用于获取样本数据；所述样本数据包括海洋数据以及对应的实际海洋参数结果；所述海洋数据包括经纬度、气压、风速、风向、海水温度、海水水平方向流速和海水深度，所述实际海洋参数结果包括湍动能和涡粘系数。

25、样本数据预处理模块，用于对所述样本数据进行数据预处理，得到预处理后的样本数据。

26、样本数据特征提取模块，用于对所述预处理后的样本数据进行特征提取，得到海洋特征。

27、输入模块，用于将所述海洋特征输入海洋参数预测模型，输出预测海洋参数结果；所述海洋参数预测模型为前馈神经网络模型、反向传播神经网络模型或者物理驱动神经网络模型；所述预测海洋参数结果为根据所述海洋数据中经纬度、气压、风速、风向、海水温度、海水水平方向流速和海水深度预测得出的湍动能和涡粘系数。

28、损失值确定模块，用于根据所述预测海洋参数结果、所述实际海洋参数结果和损失函数，确定损失值。

29、训练模块，用于根据所述损失值对所述海洋参数预测模型的参数进行优化，得到训练好的海洋参数预测模型。

30、可选地，所述样本数据获取模块，具体包括：

31、样本数据获取单元，用于利用大涡模拟技术，获取样本数据。

32、可选地，所述样本数据预处理模块，具体包括：

33、分类单元，用于按照数据的类别，对所述样本数据进行分类，得到分类数据；所述分类数据包括经纬度数据、气压数据、风速数据、风向数据、海水温度数据、海水水平方向流速数据和海水深度数据。

34、标准化单元，用于对所述分类数据进行标准化，得到标准数据。

35、缺失值填充单元，用于对所述标准数据中的缺失值进行填充，得到预处理后的样本数据。

36、可选地，所述样本数据特征提取模块，具体包括：

37、样本数据特征提取单元，用于采用时间序列分析法，对所述预处理后的样本数据进行特征提取，得到海洋特征。

38、第四方面，本发明提供了一种海洋参数预测模型的应用系统，包括：

39、目标海洋数据获取模块，用于获取目标海洋数据。

40、目标海洋数据预处理模块，用于对所述目标海洋数据进行数据预处理，得到预处理后的目标海洋数据。

41、目标海洋数据特征提取模块，用于对所述预处理后的目标海洋数据进行特征提取，得到目标海洋特征。

42、海洋参数预测模块，用于将所述目标海洋特征输入训练好的海洋参数预测模型，得到所述目标海洋数据对应的预测海洋参数结果；所述训练好的海洋参数预测模型为根据第一方面所述的一种海洋参数预测模型的训练方法训练得到的模型。

43、根据本发明提供的具体实施例，本发明公开了以下技术效果：

44、本发明提供了一种海洋参数预测模型的训练方法、应用方法及相关系统，海洋参数预测模型采用前馈神经网络模型、反向传播神经网络模型或者物理驱动神经网络模型等深度学习模型，深度学习模型在处理大规模海洋数据集时具有出色的学习和泛化能力，通过利用大量海洋数据作为样本数据对海洋参数预测模型进行训练，使得海洋参数预测模型能够识别出海洋垂向混合过程中的通用规律和特征，能够根据某一海洋区域的经纬度、气压、风速、风向、海水温度、海水水平方向流速和海水深度等海洋参数精准预测出相应的湍动能和涡粘系数，从而实现基于神经网络技术进行湍动能和涡粘系数等海洋参数的预测，基于上述参数可以得到一个海洋垂向混合参数化方案，并使得参数化方案具有更好的泛化能力，可以适用于不同的海洋区域和条件。

45、相比传统的海洋垂向混合参数化方法通常依赖于较为简化的物理模型和假设，而无法充分捕捉复杂的海洋动力学过程，本发明基于深度学习模型的预测方法通过深度学习模型识别出海洋垂向混合过程中的通用规律和特征，可以有效提高模型预测湍动能和涡粘系数参数的准确性，并且，深度学习模型一旦部署，可以迅速地处理新数据，大幅度减少了用户在获取参数化结果上的等待时间，其推断过程通常比传统直接进行复杂物理模拟的方法要快得多，有效提高了预测效率，这对于需要快速响应的海洋监测和预测任务尤为重要。

技术特征：

1.一种海洋参数预测模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的一种海洋参数预测模型的训练方法，其特征在于，获取样本数据，具体包括：

3.根据权利要求1所述的一种海洋参数预测模型的训练方法，其特征在于，对所述样本数据进行数据预处理，得到预处理后的样本数据，具体包括：

4.根据权利要求1所述的一种海洋参数预测模型的训练方法，其特征在于，对所述预处理后的样本数据进行特征提取，得到海洋特征，具体包括：

5.一种海洋参数预测模型的应用方法，其特征在于，包括：

6.一种海洋参数预测模型的训练系统，其特征在于，包括：

7.根据权利要求6所述的一种海洋参数预测模型的训练系统，其特征在于，所述样本数据获取模块，具体包括：

8.根据权利要求6所述的一种海洋参数预测模型的训练系统，其特征在于，所述样本数据预处理模块，具体包括：

9.根据权利要求6所述的一种海洋参数预测模型的训练系统，其特征在于，所述样本数据特征提取模块，具体包括：

10.一种海洋参数预测模型的应用系统，其特征在于，包括：

技术总结
本发明公开一种海洋参数预测模型的训练方法、应用方法及相关系统，涉及海洋数据处理技术领域，训练方法包括获取样本数据；样本数据包括海洋数据以及对应的实际海洋参数结果；对样本数据进行数据预处理，得到预处理后的样本数据；对预处理后的样本数据进行特征提取，得到海洋特征；将海洋特征输入海洋参数预测模型，输出预测海洋参数结果；根据预测海洋参数结果、实际海洋参数结果和损失函数，确定损失值；根据损失值对海洋参数预测模型的参数进行优化，得到训练好的海洋参数预测模型。本发明可以有效提高海洋参数预测模型预测的准确性。

技术研发人员：高宇,李爽,郝鹏,宋金宝
受保护的技术使用者：浙江大学
技术研发日：
技术公布日：2024/9/23