[發(fā)明專利]一種基于深度信念網(wǎng)絡(luò)的上層海洋熱結(jié)構(gòu)預(yù)測方法有效
| 申請?zhí)枺?/td> | 201611116678.1 | 申請日: | 2016-12-07 |
| 公開(公告)號: | CN106598917B | 公開(公告)日: | 2019-08-06 |
| 發(fā)明(設(shè)計)人: | 曹敏杰;許建平;劉增宏;孫朝輝;吳曉芬;盧少磊 | 申請(專利權(quán))人: | 國家海洋局第二海洋研究所 |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06N3/08;G01W1/02 |
| 代理公司: | 杭州求是專利事務(wù)所有限公司 33200 | 代理人: | 張法高;傅朝棟 |
| 地址: | 310012 浙*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 信念 網(wǎng)絡(luò) 上層 海洋 結(jié)構(gòu) 預(yù)測 方法 | ||
1.一種基于深度信念網(wǎng)絡(luò)的上層海洋熱結(jié)構(gòu)預(yù)測方法,其特征在于它的步驟如下:
1)預(yù)設(shè)環(huán)境參數(shù)作為熱結(jié)構(gòu)預(yù)測模型的輸入因子和預(yù)測值;本步驟具體為:選擇環(huán)境參數(shù)海表面溫度SST、海面高度異常SSHA、海表風速SSW以及上層海洋距海表面深度Depth作為模型的輸入影響因子,將上層海洋該深度處的溫度作為模型的輸出參數(shù);
2)建立上層海洋熱結(jié)構(gòu)樣本數(shù)據(jù)集,將樣本數(shù)據(jù)分為訓練數(shù)據(jù)和測試數(shù)據(jù),并進行統(tǒng)一的數(shù)據(jù)預(yù)處理;本步驟具體為:
3.1)選擇某一特定海域,獲取該海域范圍內(nèi)熱結(jié)構(gòu)相關(guān)的數(shù)據(jù)集,包括海表面溫度SST、海面高度異常SSHA、海表風速SSW以及Argo資料,建立上層海洋熱結(jié)構(gòu)樣本數(shù)據(jù)集;
3.2)將樣本數(shù)據(jù)進行隨機劃分,80%作為訓練數(shù)據(jù),20%作為測試數(shù)據(jù);
3.3)對樣本數(shù)據(jù)進行標準化處理,按公式(1)將輸入?yún)?shù)歸一化到[0.1,0.9]范圍,
其中x′i表示歸一化后的數(shù)據(jù),xi為原始的數(shù)據(jù)樣本參數(shù)值,xmin和xmax分別表示歸一化前該參數(shù)集的最小值和最大值;
3)建立深度信念網(wǎng)絡(luò),對樣本數(shù)據(jù)進行逐層無監(jiān)督預(yù)訓練,初步獲取模型的較優(yōu)參數(shù);本步驟具體為:
4.1)將樣本數(shù)據(jù)中的影響因子向量作為輸入數(shù)據(jù),開始進行無監(jiān)督的預(yù)訓練,依據(jù)公式(2)所示的能量函數(shù)E(v,h)來判斷受限玻爾茲曼機是否穩(wěn)定,
其中vi和hj是輸入樣本數(shù)據(jù)i和其特征j的二進制狀態(tài),bi和bj分別是它們的偏置量;n是輸入樣本總數(shù),m是輸入樣本的特征總數(shù);wij是連接權(quán)重,設(shè)定為(0,1)范圍里的任意值;若能量函數(shù)E(v,h)達到收斂,則第一個RBM通過對比散度快速學習算法得到合適的網(wǎng)絡(luò)參數(shù),網(wǎng)絡(luò)參數(shù)更新公式為:
Δwij=ε(<vihj>data-<vihj>recon) (3)
其中Δwij為模型參數(shù)的權(quán)重,ε為網(wǎng)絡(luò)的學習速率,<.>data為模型輸入的原始數(shù)據(jù),<.>recon為網(wǎng)絡(luò)訓練后的期望值,vi為RBM的可視層節(jié)點值,hj為RBM的隱含層層節(jié)點值;
4.2)將第一個RBM隱含層的輸出數(shù)據(jù)作為第二個RMB可視層輸入數(shù)據(jù),繼續(xù)通過對比散度算法訓練第二個RBM,依次類推直至訓練完所有的RBM網(wǎng)絡(luò);
4)基于反向傳播算法,根據(jù)訓練樣本的標記對模型的參數(shù)進行調(diào)整,確定最優(yōu)參數(shù);本步驟具體為:
5.1)根據(jù)樣本數(shù)據(jù)中Argo資料實際觀測到的該深度處的溫度值T^(d)和預(yù)訓練得到的粗略預(yù)測值T(d),計算出它們的均方差MSE;
5.2)基于反向傳播算法,對網(wǎng)絡(luò)模型的參數(shù)進行微調(diào),當獲得的均方差MSE小于一定的閾值時,停止訓練,其收斂公式為:
其中β是一個預(yù)設(shè)閾值,N表示BP算法用于微調(diào)的循環(huán)次數(shù);
5)將建立好的上層海洋熱結(jié)構(gòu)預(yù)測模型應(yīng)用到測試數(shù)據(jù),輸出層即可得到預(yù)測的上層海洋特定深度處的溫度值;本步驟具體為:將測試數(shù)據(jù)的輸入影響因子輸入到確定好各項參數(shù)的模型,模型的輸出層即可預(yù)測輸出上層海洋該深度處的溫度值。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于國家海洋局第二海洋研究所,未經(jīng)國家海洋局第二海洋研究所許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201611116678.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于集成深度信念網(wǎng)絡(luò)的語音情感識別方法
- 基于煙花深度信念網(wǎng)絡(luò)的人臉性別識別方法
- 線性判別深度信念網(wǎng)絡(luò)的多姿態(tài)人臉識別方法
- 一種提取深度信念網(wǎng)絡(luò)中隱含節(jié)點語義的方法
- 一種基于深度信念網(wǎng)絡(luò)的位置預(yù)測方法及裝置
- 一種基于PASP的多Agent信念協(xié)調(diào)方法
- 神經(jīng)信念推理器
- 基于文化算法框架的多無人飛行器協(xié)同航跡雙層優(yōu)化方法
- 隱私預(yù)算計算方法、裝置、存儲介質(zhì)以及終端
- 一種基于信念圖增強網(wǎng)絡(luò)的人體姿態(tài)估計方法
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復網(wǎng)絡(luò)地址自動恢復的方法、網(wǎng)絡(luò)設(shè)備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





