【技术实现步骤摘要】
基于知识蒸馏的海洋大数据协同表示的预警方法及装置
[0001]本专利技术涉及海洋现象预警领域，尤其涉及一种基于知识蒸馏的海洋大数据协同表示的预警方法及装置。
技术介绍
[0002]厄尔尼诺
‑
南方涛动(El Oscillation，ENSO)是发生于赤道东太平洋地区的风场和海面温度震荡产生的不规则周期性变化，影响着热带和亚热带大部分地区的气候。在海洋方面，海水表面温度升高的阶段称为厄尔尼诺现象，海水冷却阶段称为拉尼娜现象。在大气方面则表现为南方涛动。ENSO现象是地球上最强、最显著的年际气候信号，通过大气或海洋的相关过程，经常会引发洪涝、干旱、高温、雪灾等极端事件，ENSO现象虽然发生在赤道太平洋之间，但是对于全球各地区的天气、气候以及粮食产量具有重要的影响，因此准确预测ENSO现象的出现，是提高东亚和全球气候预测水平和防灾减灾的关键。热带不稳定波(Tropical instability waves,TIWs)是赤道洋流经向和垂直切变引起的正压和斜压不稳定所产生的，是海洋深层海水与海表面水引起的反应。TI...
【技术保护点】
【技术特征摘要】
1.一种基于知识蒸馏的海洋大数据协同表示的预警方法，其特征在于，所述方法包括：构造用于提取不同尺度的输入数据特征的多尺度自注意力网络，作为知识蒸馏的教师网络，分别用于预测TIWs任务以及ENSO任务，对两个多尺度自注意力教师网络分别进行预训练；构造一单尺度网络用于预测TIWs以及ENSO任务，作为知识蒸馏的学生网络，分别利用多尺度自注意力教师网络提取两个任务数据的不同尺度的SST图的特征序列，并将特征序列聚合后连接到学生网络的主干卷积层中，进行基于特征序列的知识蒸馏；将多尺度自注意力教师网络对TIWs以及ENSO任务的预测结果作为下限，真实的标签作为上限，约束学生网络预警精度不低于教师网络，获取训练后的学生网络；基于训练后的学生网络对ENSO、TIWs现象进行预测，当超过相应的阈值时，进行ENSO、TIWs现象的预警，减少ENSO、TIWs灾难的发生。2.根据权利要求1所述的一种基于知识蒸馏的海洋大数据协同表示的预警方法，其特征在于，所述构造用于提取不同尺度的输入数据特征的多尺度自注意力网络，作为知识蒸馏的教师网络，分别用于预测TIWs任务以及ENSO任务具体为：预测ENSO任务的多尺度自注意力教师网络，由3个连续堆叠的多尺度层组成，从底部到顶部分别处理不同尺度的SST图，分别为Multi
‑
scale layer 1，Multi
‑
scale layer 2，Multi
‑
scale layer 3，每个多尺度层包含4个级联的CNN，在第2个和第3个级联的卷积层之间包含一个时间维度自注意力模块，对于最底层的多尺度层Multi
‑
scale layer 1还包含一全连接层；预测TIW任务的多尺度自注意力教师网络，由3个连续堆叠的多尺度层组成，每个多尺度层包含4个级联的CNN，在第2个和第3个级联的卷积层之间还包含一时间维度自注意力模块TSA，对于最底层的多尺度层Multi
‑
scale layer 1还包含一CNN；每个SST图经过连续2次下采样后，输入到不同的多尺度层，级联CNN用于提取不同尺度SST图的特征。3.根据权利要求2所述的一种基于知识蒸馏的海洋大数据协同表示的预警方法，其特征在于，所述时间维度自注意力模块用于关注不同时刻的输入数据之间的联系，除底层外，每个多尺度层的输出经过上采样后，与下一层多尺度层的输入进行多尺度特征的聚合。4.根据权利要求3所述的一种基于知识蒸馏的海洋大数据协同表示的预警方法，其特征在于，所述时间维度自注意力模块的输入为前一个CNN提取的特征SST：F
s
＝R
C
×
H
×
W
其中R为实数域，使用F
s
乘以一组权重矩阵W
q
,W
k
,W
v
，分别得到F
q
,F
k
,F
v
，接下来，将F
q
和F
kT
相乘经过sof...
【专利技术属性】
技术研发人员：李文辉，苏新奇，刘安安，宋丹，魏志强，聂婕，张文生，孙正雅，
申请(专利权)人：青岛海洋科学与技术国家实验室发展中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。