[發(fā)明專利]基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的海平面高度智能預(yù)測(cè)預(yù)報(bào)系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011298616.3
• 申請(qǐng)日: 2020-11-19
• 公開(kāi)（公告）號(hào): CN112465203A
• 公開(kāi)（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 宋弢;李穎;徐丹亞;江璟瑜;孟凡;謝鵬飛
• 申請(qǐng)（專利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/02;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的海平面高度智能預(yù)測(cè)預(yù)報(bào)系統(tǒng)，屬于海洋數(shù)值預(yù)報(bào)和深度學(xué)習(xí)領(lǐng)域。該系統(tǒng)包括：門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)模型，所述網(wǎng)絡(luò)模型包括：數(shù)據(jù)預(yù)處理器、張量序列構(gòu)建器和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器。首先，利用數(shù)據(jù)預(yù)處理器對(duì)輸入的歷史海平面高度數(shù)據(jù)進(jìn)行缺失值補(bǔ)值和歸一化預(yù)處理；然后，利用序列構(gòu)建器對(duì)數(shù)據(jù)進(jìn)行一定步長(zhǎng)的切分整合，形成張量序列；最后在門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器中，建立門控循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，通過(guò)對(duì)輸入的歷史海平面高度數(shù)據(jù)進(jìn)行深層次的特征學(xué)習(xí)和提取，再將所述特征張量進(jìn)行預(yù)測(cè)，最后得出海平面高度的預(yù)測(cè)值。

技術(shù)領(lǐng)域

本發(fā)明涉及海洋數(shù)值預(yù)報(bào)和深度學(xué)習(xí)領(lǐng)域，特別設(shè)計(jì)一種基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的海平面高度智能預(yù)測(cè)預(yù)報(bào)系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲(chǔ)介質(zhì)。

背景技術(shù)

在全球變暖的大背景下，海平面上升現(xiàn)象日益突顯，逐漸成為了大眾所關(guān)注的焦點(diǎn)問(wèn)題。海平面上升帶來(lái)的危害制約著我國(guó)海洋經(jīng)濟(jì)的可持續(xù)發(fā)展，同時(shí)也給當(dāng)?shù)厝嗣竦纳a(chǎn)生活帶來(lái)一定的負(fù)面影響。選用合適的預(yù)測(cè)方法，準(zhǔn)確合理預(yù)測(cè)海平面高度變化，可以有效幫助沿海地區(qū)根據(jù)海平面的預(yù)測(cè)情況預(yù)先制定相關(guān)政策，采取對(duì)應(yīng)防災(zāi)減災(zāi)措施。

準(zhǔn)確預(yù)測(cè)海平面高度的變化規(guī)律在海洋研究中具有重要的意義，由于海洋環(huán)境的復(fù)雜性與不確定性，海平面高度預(yù)測(cè)的準(zhǔn)確性一直有待提升。預(yù)測(cè)海平面高度的方法現(xiàn)如今主要分為兩類，一類是基于微分方程的模式預(yù)報(bào)方法，另一類是基于數(shù)據(jù)驅(qū)動(dòng)的方法。

模式預(yù)報(bào)是一個(gè)復(fù)雜的過(guò)程，需要大量的時(shí)間和計(jì)算過(guò)程。由于微分方程的參數(shù)化和線性化，導(dǎo)致這些模型包含了固有的偏差，從而降低了預(yù)測(cè)精度。數(shù)據(jù)驅(qū)動(dòng)的方法主要集中在統(tǒng)計(jì)的方法，但傳統(tǒng)的統(tǒng)計(jì)方法可能不能很好地描述海平面高度數(shù)據(jù)的非線性和隨機(jī)性，導(dǎo)致預(yù)測(cè)誤差較大。

發(fā)明內(nèi)容

基于上述問(wèn)題，本發(fā)明實(shí)施例提供了一種基于門控循環(huán)單元神經(jīng)網(wǎng)路的海平面高度智能預(yù)測(cè)預(yù)報(bào)系統(tǒng)、計(jì)算機(jī)設(shè)備、存儲(chǔ)介質(zhì)，可以有效提高海平面高度的預(yù)測(cè)準(zhǔn)確率。為了對(duì)公開(kāi)實(shí)施例的內(nèi)容有一些基本的了解，下面給出簡(jiǎn)單的介紹描述。

根據(jù)本發(fā)明實(shí)施例的第一方面，提供了一種基于門控循環(huán)單元神經(jīng)網(wǎng)路的海平面高度智能預(yù)測(cè)預(yù)報(bào)系統(tǒng)。

在一些可選實(shí)施例中，所述系統(tǒng)包括門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，所述網(wǎng)絡(luò)預(yù)測(cè)模型包括：數(shù)據(jù)預(yù)處理器、張量序列構(gòu)建器和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器。首先，利用數(shù)據(jù)預(yù)處理器對(duì)輸入的歷史海平面高度數(shù)據(jù)進(jìn)行缺失值補(bǔ)值和歸一化預(yù)處理；然后，利用序列構(gòu)建器對(duì)數(shù)據(jù)進(jìn)行一定步長(zhǎng)的切分整合，形成張量序列；最后在門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器中，建立門控循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，通過(guò)對(duì)輸入的歷史海平面高度數(shù)據(jù)進(jìn)行深層次的特征學(xué)習(xí)和提取，再將所述特征張量進(jìn)行預(yù)測(cè)，最后得出海平面高度的預(yù)測(cè)值。

可選地，所述利用數(shù)據(jù)預(yù)處理器對(duì)輸入的歷史海平面高度數(shù)據(jù)進(jìn)行缺失值補(bǔ)值和歸一化處理，具體包括：通過(guò)python中pandas庫(kù)的isnull函數(shù)檢索海洋歷史數(shù)據(jù)中的缺省值，并將其填補(bǔ)為0。隨后通過(guò)離差標(biāo)準(zhǔn)化的方法，對(duì)數(shù)據(jù)進(jìn)行線性變化，將其映射到[0,1]之間。

可選地，所述利用序列構(gòu)建器對(duì)數(shù)據(jù)進(jìn)行一定步長(zhǎng)的切分整合，形成序列張量，具體包括：通過(guò)keras框架對(duì)歷史數(shù)據(jù)進(jìn)行形如(samples，timestamp，features)的張量形式切分，構(gòu)成神經(jīng)網(wǎng)絡(luò)需要的輸入格式。其中samples指的是歷史數(shù)據(jù)的樣本量，timestamp指預(yù)測(cè)步長(zhǎng)，features指特征因素。

可選地，對(duì)所述的timestamp的選取決定于采用前n天的海平面高度歷史數(shù)據(jù)來(lái)進(jìn)行特征學(xué)習(xí)和提取從而進(jìn)行第n+1天的海平面高度預(yù)測(cè)。

可選地，所述的系統(tǒng)包括建立門控循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，其建立的步驟包括：

(1)建立神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)，包括輸入層、隱含層以及全連接層(輸出層)，確定各層神經(jīng)元個(gè)數(shù)、激活函數(shù)、損失函數(shù)以及隱含層初始值。