[發明專利]一種基于GRU深度學習的多特征因子赤潮預測模型

在審

• 申請號: 202011392717.7
• 申請日: 2020-12-01
• 公開（公告）號: CN112365093A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 宋曉;韓璐遙;岳心陽;李維祿;盧文虎;鄭兵;萬芳芳;梁建峰
• 申請（專利權）人: 國家海洋信息中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種基于GRU深度學習的多特征因子赤潮預測模型，其特征在于，包括以下步驟：

S1、對采集到的監測要素進行預處理，得到標準化訓練樣本；

S2，采用Pearson相關系數法分析標準化訓練樣本與赤潮的關聯性，得到赤潮災害形成的主要特征影響因子；

S3、依據主要特征影響因子，形成多組合特征因子，構建GRU預測模型，通過多組合特征因子訓練模型；

S4、對訓練好的GRU預測模型進行評估。

2.根據權利要求1所述的一種基于GRU深度學習的多特征因子赤潮預測模型，其特征在于，所述步驟S1具體包括：

S11、對監測要素的缺失數據進行處理，采用刪除法刪除缺失值；

S12、對刪除后的監測要素數據進行標準化處理，采用離差標準化進行數據轉換，

其中，X為特征因子數據，X_min為特征因子數據的最小值，X_max為特征因子數據的最大值，X'為特征因子數據進行歸一化后得到的數據。

3.根據權利要求1所述的一種基于GRU深度學習的多特征因子赤潮預測模型，其特征在于，所述步驟S2具體包括：

S11、輸入海洋環境監測要素，包括溫度、鹽度、飽和溶解氧、溶解氧、葉綠素、濁度、PH值、潮汐、風速、風向、氣溫和氣壓；

S12、計算監測要素強弱相關程度，公式如下：

其中n為監測要素總數，i為數據中某一時刻數，x_i和y_i為第i個要素樣本，r為關聯系數，r的取值范圍為[-1,+1]。

4.根據權利要求1所述的一種基于GRU深度學習的多特征因子赤潮預測模型，其特征在于，所述步驟S3具體包括：

S31、將篩選后的特征因子和赤潮是否發生數據整合；

S32、構建GRU網絡模型，GRU網絡向前傳播計算公式為：

z_t＝σ(W_Z·[h_t-1,x_t]) (3)

r_t＝σ(W_r·[h_t-1,x_t]) (4)

其中，W_Z，為權重矩陣，σ為激活函數，x_t為當前時刻的單元輸入，r_t重置門的輸出，z_t為更新門的輸出，為候選隱藏層，h_t為當前單元輸出；

S33、對神經網絡模型參數進行設置，確定損失函數、優化器的模型指標參數；

S34、對環境參數進行擬合訓練，確定訓練次數，批訓練的數據個數和交叉驗證參數。

5.根據權利要求1所述的一種基于GRU深度學習的多特征因子赤潮預測模型，其特征在于，所述步驟S4具體包括：

S41、對訓練好的模型進行評估，驗證模型預測精度；

S42、采用不同特征因子組合、不同神經網絡模型，對訓練好的模型進行對比驗證。