[發(fā)明專利]基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011324485.1
• 申請(qǐng)日: 2020-11-23
• 公開（公告）號(hào): CN112288193A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設(shè)計(jì)）人: 梁建峰;苗慶生;宋曉;韋廣昊;耿姍姍;蔡仁翰;李程;楊錦坤
• 申請(qǐng)（專利權(quán)）人: 國家海洋信息中心
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06N3/08
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

本發(fā)明公開了一種基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法，包括如下步驟：獲取海洋站表層鹽度數(shù)據(jù)，進(jìn)行預(yù)處理去除錯(cuò)誤或缺失數(shù)據(jù)；對(duì)預(yù)處理后的表層鹽度時(shí)間序列數(shù)據(jù)進(jìn)行EDM分解，獲取IMF分量和剩余量，并進(jìn)行去噪處理；構(gòu)建GRU深度學(xué)習(xí)預(yù)測(cè)模型，將去噪數(shù)據(jù)輸入GRU深度學(xué)習(xí)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，得到最終預(yù)測(cè)結(jié)果。本發(fā)明通過獲取海洋站的表層鹽度數(shù)據(jù)，利用時(shí)間序列挖掘得到的數(shù)據(jù)信息，提出了一種基于注意力機(jī)制的GRU深度學(xué)習(xí)預(yù)測(cè)模型，最終得出海洋站表層鹽度的預(yù)測(cè)值，提高了海洋站表層鹽度的預(yù)測(cè)精度和效率。

技術(shù)領(lǐng)域

本發(fā)明屬于海洋站表層鹽度預(yù)測(cè)技術(shù)領(lǐng)域，更具體的說是涉及一種基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法。

背景技術(shù)

海表面鹽度是研究大洋環(huán)流和海洋對(duì)全球氣候影響的重要參量，研究其分布和變化規(guī)律對(duì)了解海洋自身特性以及海洋在海－氣這一復(fù)雜系統(tǒng)中的作用有著重要意義。海表面鹽度的獲取也是氣象學(xué)、生態(tài)學(xué)、水文學(xué)和漁業(yè)等其他學(xué)科與應(yīng)用領(lǐng)域重點(diǎn)關(guān)注的研究對(duì)象，因此海表面鹽度的預(yù)測(cè)越發(fā)重要。海洋站表層鹽度它不僅反映了海洋環(huán)境，還反映了海岸環(huán)境的變化及對(duì)海洋環(huán)境的影響，對(duì)海洋站的鹽度預(yù)測(cè)非常重要，但是預(yù)測(cè)研究非常稀少且精度不足。

因此，如何提供一種基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法是本領(lǐng)域技術(shù)人員亟需解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法，通過獲取海洋站的表層鹽度數(shù)據(jù)，利用時(shí)間序列挖掘得到的數(shù)據(jù)信息，提出了一種基于注意力機(jī)制的GRU深度學(xué)習(xí)預(yù)測(cè)模型，最終得出海洋站表層鹽度的預(yù)測(cè)值，提高了海洋站表層鹽度的預(yù)測(cè)精度和效率。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于注意力機(jī)制的GRU深度學(xué)習(xí)的海洋站表層鹽度預(yù)測(cè)方法，包括如下步驟：

S1：獲取海洋站表層鹽度數(shù)據(jù)，進(jìn)行預(yù)處理去除錯(cuò)誤或缺失數(shù)據(jù)；

S2：對(duì)預(yù)處理后的表層鹽度時(shí)間序列數(shù)據(jù)進(jìn)行EDM分解，獲取IMF分量和剩余量，并進(jìn)行去噪處理；

S3：構(gòu)建GRU深度學(xué)習(xí)預(yù)測(cè)模型，將去噪數(shù)據(jù)輸入GRU深度學(xué)習(xí)預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，得到最終預(yù)測(cè)結(jié)果。

優(yōu)選的，步驟S2中，對(duì)表層鹽度時(shí)間序列數(shù)據(jù)進(jìn)行EDM分解的方法為：找出原始時(shí)間序列x(t)所有極大值點(diǎn)和極小值點(diǎn)，用三次樣條函數(shù)分別擬合成上、下包絡(luò)線，上、下包絡(luò)線求平均得到平均包絡(luò)線m₁(t)，將原始時(shí)間序列序列x(t)減去該平均包絡(luò)線，即得到一個(gè)去掉低頻的新序列h₁(t)：

h₁(t)＝x(t)-m₁(t) (1)

重復(fù)上述過程k次，直到所得平均包絡(luò)線趨于0為止，得到了第1個(gè)IMF分量c₁(t)：

c₁(t)＝h₁k(t)-m₁k(t) (2)

將原始序列x(t)減去第1個(gè)IMF分量，重復(fù)上述分解過程得到第2個(gè)IMF分量c₂(t)，以此類推，分解n次得到cn(t)；最后一個(gè)無法分解的剩余量記為Res(t)；

而原始時(shí)間序列由這些IMF分量和剩余量之和表示：

Res(t)記為噪聲數(shù)據(jù)，將原始時(shí)間序列x(t)減去剩余量Res(t)，得到了降噪后的時(shí)間序列數(shù)據(jù)Denoisedx(t)，如下：

Denoisedx(t)＝x(t)-Res(t) (4)。