[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

本申請公開了一種多源海面物理要素的機器學習融合方法及模型，包括：獲取多源數據，并對獲取的多源數據進行預處理；將經過預處理的多源數據進行混合插值，得到與NWP模式數據/再分析數據相同分辨率的標準網格數據；根據標準網格數據和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；將訓練樣本輸入到目標融合模型進行訓練，得到數據融合模型；根據數據融合模型對NWP模式數據/再分析數據進行推理，得到融合場。本發明依托機器學習方法，通過訓練得到融合模型后即可快速進行數據融合，操作簡單，硬件要求低，同時該數據融合方法在一定程度上弱化了物理機制對于數據的影響，適用于幾乎所有的海面物理要素。

技術領域

本申請涉及海洋數據處理技術領域，具體涉及一種多源海面物理要素的數據融合方法及模型。

背景技術

在海洋領域的研究中，數據融合必不可少，它為進一步分析海洋發展以及規律提供了強有力的數據支持。當前有許多數據融合算法被研究者提出并利用。以海面風場的數據融合為例，目前主要的融合方法有插值類融合算法和同化變分類融合算法。其中插值算法有Cressman插值、Kriging插值和時空加權分析，同化變分算法包括最優插值，三維變分等。凌征等通過Cressman插值融合了我國近海的衛星風場和沿岸氣象站風場資料。Zhang等對包括SSM/I、TMI、QuikSCAT、AMSR-E等在內的多顆衛星海面風速數據進行了時空權重插值融合，產生了全球范圍的自1987年至2006年的時間分辨率為12h、每天和每月的0.25°網格的風速。齊亞琳等對海洋二號衛星海面風場和NCEP數值風場資料進行融合，融合算法中同樣采用時空權重插值。Yan等對多源散射計和輻射計風場與模式在分析風場金西行了融合研究，利用最優插值法建立了時間分辨率為6h，空間分辨率為0.25°的2000年至2015年的全球風場產品。

中國專利CN105975763A“一種多源海面風場的融合方法和裝置”提供了一種涉及海面風場領域的風場融合方法及裝置，該專利利用時空插值算法以及線性插值算法等方法對多個星載微波遙感器采集的海面風場數據和/或多個再分析氣象海面風場數據進行數據融合。該發明能夠發揮多源衛星的協同觀測的優勢，同時通過衛星遙感風場數據和再分析氣象風場數據融合構建融合海面風場可以有效的提高海面風場的覆蓋范圍以及時空分辨率。

上述專利中的技術使用了傳統插值方法，即每次進行融合風場時都需要進行插值操作，要對各個風場數據進行網格化處理，需要浪費大量的時間，同時處理風場數據所得到的中間網格數據也浪費了大量的空間，而對于傳統插值方法來說，其對計算能力也有一定的要求，當硬件設備計算能力較差時，可能會伴隨著數據融合時間的增大。

對于融合算法來說，不論是插值類融合算法，還是同化變分類融合算法，它們都可以基本解決海面風場融合的問題。但是在實際應用中，需要受到當前計算能力的制約，這些算法由于復雜計算過程，往往需要使用計算機集群，且較難實現實時化融合。

發明內容

為此，本申請提供一種多源海面物理要素的數據融合方法及模型，以解決現有技術存在的融合算法受計算能力的制約難以實現實時化融合的問題。

為了實現上述目的，本申請提供如下技術方案：

第一方面，一種多源海面物理要素的機器學習融合方法，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。

作為優選，所述多源數據進行混合插值時，具體為：