[發明專利]多源海面物理要素的機器學習融合方法和模型

在審

• 申請號: 202210253149.5
• 申請日: 2022-03-15
• 公開（公告）號: CN114580561A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 張巍;杜超凡;高志一;宋曉姜;郭安博宇;逄仁波
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06T3/40
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 胡樂

1.一種多源海面物理要素的機器學習融合方法，其特征在于，包括：

獲取多源數據和NWP模式數據/再分析數據，并對獲取的所述多源數據進行預處理；

將經過預處理的所述多源數據進行混合插值，得到與所述NWP模式數據/再分析數據相同分辨率的標準網格數據；

根據所述標準網格數據和所述NWP模式數據/再分析數據建立特征工程，獲取目標融合模型所需訓練樣本；

將所述訓練樣本輸入到所述目標融合模型進行訓練，得到數據融合模型；根據所述數據融合模型對NWP模式數據/再分析數據進行推理，得到融合場。

2.根據權利要求1所述的多源海面物理要素的機器學習融合方法，其特征在于，所述多源數據進行混合插值時，具體為：

判斷數據點是否重疊；

若數據點未重疊，則直接進行插值；

若數據點重疊，則選取距離插值時間點最近的數據進行插值。

3.根據權利要求1所述的多源海面物理要素的機器學習融合方法，其特征在于，所述多源數據進行混合插值時采用反距離加權插值算法進行插值。

4.根據權利要求1所述的多源海面物理要素的機器學習融合方法，其特征在于，所述標準網格數據為0.25°×0.25°的標準網格數據。

5.根據權利要求1所述的多源海面物理要素的機器學習融合方法，其特征在于，所述NWP模式數據/再分析數據為ERA-5再分析數據。

6.根據權利要求5所述的多源海面物理要素的機器學習融合方法，其特征在于，根據所述標準網格數據和所述NWP模式數據/再分析數據建立特征工程時，具體為：

使用衛星插值數據作為學習目標，選取衛星插值格點及其周圍5×5的ERA-5值作為訓練特征進行訓練。

7.根據權利要求1所述的多源海面物理要素的機器學習融合方法，其特征在于，所述目標融合模型為XGBoost學習方法。

8.一種多源海面物理要素的數據融合模型，其特征在于，所述數據融合模型根據權利要求1-7任一項所述的多源海面物理要素的機器學習融合方法訓練所得。

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的方法的步驟。