[發明專利]基于雙注意力機制的多要素海表面溫度預測方法

在審

• 申請號: 202210438445.2
• 申請日: 2022-04-25
• 公開（公告）號: CN114819338A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 賀琪;黃冬梅;杜艷玲;孔令斌;李汶龍;曹翔;劉鋮龍
• 申請（專利權）人: 上海海洋大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 孟旭彤

1.一種基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述方法包括：

對海面監測數據進行預處理，獲得輸入時間序列X，并將其作為要素注意力模塊的輸入獲得k時刻的要素注意力權重再將要素注意力權重和對應的輸入時間序列X相乘得到加權特征X′；

通過編碼器對加權特征X′進行轉換獲得所有時間步長的隱藏狀態h^l，并將其作為時間注意力模塊的輸入獲得t時刻的時間注意力權重β^t，再根據時間注意力權重β^t和所有時間步長的隱藏狀態h^l計算得到當前時刻的加權特征X″_t-1；

將獲得的所有加權特征X″與原始特征X_t-1拼接成新的向量，并將其作為解碼器的輸入，獲得最后一個時刻的隱藏狀態c_T，將最后一個時刻的隱藏狀態c_T作為解碼器的輸出，獲得最終的預測。

2.根據權利要求1所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述海面監測數據，包括：

氣溫、氣壓、風速、風向和海面溫度。

3.根據權利要求2所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述對海面監測數據進行預處理，包括：

將缺少度量值的數據替換為默認值-999；

將不可度量的數據替換為NAN值；

使用-999或NAN前后5個有效值的平均值來對-999或NAN進行替換。

4.根據權利要求3所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述獲得輸入時間序列X，包括：

增加一個新的特征SSTA來表示當前SST與年平均SST的相對差異；

確定原始SST時間序列的向量a、年際平均值和年際標準差σ；然后據此獲得每個時間步長的SST與年際平均變化的差值a^*；

將a^*作為SSTA要素，將該SSTA要素與原始特征X_t-1合并作為輸出序列X。

5.根據權利要求4所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述每個時間步長的SST與年際平均變化的差值a^*，為：

式中，a是原始SST時間序列的向量，是年際平均值，σ是標準差。

6.根據權利要求5所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述將其作為要素注意力模塊的輸入獲得k時刻的要素注意力權重包括：

將多個輸入時間序列X作為要素注意力模塊的輸入，并通過點積運算獲得注意力評分e^l；

使用softmax函數將k時刻的要素注意力評分映射為要素注意力權重α^k。

7.根據權利要求6所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述將多個輸入時間序列X作為要素注意力模塊的輸入，并通過點積運算獲得注意力評分e^l，包括：

e^l＝XW_e(x^k)^T，

式中，W_e∈R^p×p是要學習的參數，x^k表示SST的特征向量。

8.根據權利要求1所述的基于雙注意力機制的多要素海表面溫度預測方法，其特征在于，所述將其作為時間注意力模塊的輸入獲得t時刻的時間注意力權重，包括：

將h^l作為時間注意力模塊的輸入向量，在t時刻，通過解碼器上一個時刻隱藏狀態c_t-1和編碼器所有的隱藏狀態計算得到時間注意力評分g^t；

使用softmax函數將時間注意力評分g^t映射為時間注意力權重β^t。