[發明專利]一種海域表層水溫預測方法和裝置

在審

• 申請號: 202110321843.1
• 申請日: 2021-03-25
• 公開（公告）號: CN112884249A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 石綏祥;何曉玉;余璇;苗慶生;韋廣昊;徐珊珊;萬芳芳;楊錦坤
• 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;G06N3/08;G06N3/04
• 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

本發明公開了一種海域表層水溫預測方法和裝置，所述方法包括如下步驟：對獲取的海洋表層水溫時間序列數據進行EMD分解，得到IMF分量和剩余量；基于IMF分量、剩余量以及LSTM深度學習網絡進行預測，得到各個預測中間量；對各個預測中間量進行合成，得到最終預測結果。本發明提供的基于EMD分解和LSTM深度學習的海域表層水溫預測方法和裝置，提高了海洋表層水溫的預測精度和效率。

技術領域

本發明涉及海洋科技技術領域，更具體的說是涉及一種基于EMD分解和LSTM深度學習的海域表層水溫預測方法和裝置。

背景技術

海水溫度是海洋重要物理特征，海表溫度是影響海洋和大氣運動的重要因素，海表溫度預報在氣候變化、海洋熱量儲存、生態環境、國防軍事和水產養殖等方面具有重要作用。

現有的對海洋表面溫度預測方法分為三種：(1)統計預報法：應用概率論、數理統計的方法預報未來海水溫度變化；(2)數值模式法：依據海水運動方程和熱力方程等一系列偏微分方程描述海水物理狀態，通過給定初始條件、邊界條件和外界強迫因子對方程進行求解，從而得出未來海水溫度變化；(3)經驗預報法：根據海表溫度自身變動的持續性、周期性、相似性以及與其他要素的相關性，來做出定性或定量預報。但是由于海洋表面溫度變化隨機性非常強，非線性和非平穩性特征十分明顯，目前還沒有一種明確可行且精度較高的方法對海洋表面溫度進行有效的預測。

因此，如何提高海洋表層水溫的預測精度是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于EMD分解和LSTM深度學習的海域表層水溫預測方法和裝置，提高了海洋表層水溫的預測精度和效率。

為了實現上述目的，本發明采用如下技術方案：

一種海域表層水溫預測方法，包括如下步驟：

對獲取的海洋表層水溫時間序列數據進行EMD分解，得到IMF分量和剩余量；

基于IMF分量、剩余量以及LSTM深度學習網絡進行預測，得到各個預測中間量；

對各個預測中間量進行合成，得到最終預測結果。

優選的，還包括：基于均方根誤差和平均絕對誤差對最終預測結果進行評估。

一種海域表層水溫預測裝置，包括：

分解模塊，用于對獲取的海洋表層水溫時間序列數據進行EMD分解，得到IMF分量和剩余量；

預測模塊，用于基于IMF分量、剩余量以及LSTM深度學習網絡進行預測，得到各個預測中間量；

合成模塊，用于對各個預測中間量進行合成，得到最終預測結果。

優選的，還包括：評估模塊，用于基于均方根誤差和平均絕對誤差對最終預測結果進行評估。

經由上述的技術方案可知，與現有技術相比，本發明公開提供了一種基于EMD分解和LSTM深度學習的海域表層水溫預測方法和裝置，對獲取的海洋表層水溫時間序列數據進行EMD分解，得到IMF分量和剩余量；基于IMF分量、剩余量以及LSTM深度學習網絡進行預測，得到各個預測中間量；對各個預測中間量進行合成，得到最終預測結果。

本發明提供的基于EMD分解和LSTM深度學習的海域表層水溫預測方法和裝置具有如下優點：

(1)實現了針對海域表層水溫數據的高精度預報，預報數據時間間隔1小時，24小時預報平均絕對誤差為0.41℃，達到國際先進水平。

(2)本發明提供的方案僅需使用海域表層水溫的長時間序列數據，不需要使用其它數據。

(3)本發明提供的方案占用資源少，計算速度快。