一种基于IALSTM网络的海洋站潮位数据填充方法技术

本发明专利技术公开了一种基于IALSTM网络的海洋站潮位数据填充方法，包括：获取目标海洋站和关联海洋站的潮位数据；将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。该方法基于目标海洋站潮位和相关站点潮位数据，通过IALSTM深度学习神经网络模型建立关联关系，从而依据邻近站点对海洋站潮位缺测数据进行高精确度填充，提高了资料的完整性与连续性。该方法明显优于传统插值方法，能够有效填充潮位时间序列的缺失值或者未观测值，极大改善潮位数据质量，大幅提升数据使用效率。据使用效率。据使用效率。

【技术实现步骤摘要】
一种基于IALSTM网络的海洋站潮位数据填充方法


[0001]本专利技术属于海洋科技
，特别涉及一种基于IALSTM网络的海洋站潮位数据填充方法。

技术介绍

[0002]潮位数据是海洋站观测的时间序列数据，它反应了海面升降变化，在防灾减灾、城市规划、交通运输、滨海旅游等方面都有着十分重要的应用。然而，由于人为操作失误、恶劣环境影响或者仪器设备故障等不同原因，采集的潮位数据难免出现数据缺失的问题，从而影响观测数据质量。因此，有效填充潮位时间序列的缺失值或者未观测值，可以改善潮位数据质量，提升数据使用效率。
[0003]潮位数据的缺测给使用带来不便，传统的填充方法包括线性内插法、最近邻插值法、多项式插值法和样条插值法等数学方法。但这些传统的填充方法依赖性强、精度低、受资料缺测时次影响较大。
[0004]因此，如何解决潮位数据的缺测，且能更优的填充准确度较高的数据，成为同行从业人员亟待解决的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于IALSTM网络的海洋站潮位数据填充方法，该方法能够解决上述潮位数据的缺测，且能更优的填充准确度较高的数据的问题。
[0006]为实现上述目的，本专利技术采取的技术方案为：
[0007]本专利技术提供一种基于IALSTM网络的海洋站潮位数据填充方法，包括：
[0008]获取目标海洋站和关联海洋站的潮位数据；
[0009]将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；
[0010]基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。
[0011]进一步地，获取目标海洋站和关联海洋站的潮位数据，包括：
[0012]获取目标海洋站和关联海洋站的潮位数据，并对其进行归一化处理，确保所述目标海洋站的潮位数据和关联海洋站的潮位数据均为同一时刻的数据。
[0013]进一步地，获取目标海洋站和关联海洋站的潮位数据，还包括：
[0014]通过相关性检验方法，得到目标海洋站和关联海洋站的潮位数据的相关系数；
[0015]当所述相关系数满足阈值时，确认获取的目标海洋站和关联海洋站的潮位数据存在相关性。
[0016]进一步地，所述IALSTM模型包括多维注意力模块，用于将传统注意力机制里的权重向量由标量优化成矢量。
[0017]进一步地，所述IALSTM模型采用单隐藏层神经网络，神经元512个，学习率为0.0001。
[0018]进一步地，基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充；
包括：
[0019]将相同时刻的关联海洋站的潮位数据输入所述IALSTM模型中，获得输出结果；
[0020]将所述输出结果作为相同时刻下所述目标海洋站潮位数据缺测的填充结果。
[0021]与现有技术相比，本专利技术具有如下有益效果：
[0022]一种基于IALSTM网络的海洋站潮位数据填充方法，包括：获取目标海洋站和关联海洋站的潮位数据；将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。该方法明显优于传统插值方法，能够有效填充潮位时间序列的缺失值或者未观测值，极大改善潮位数据质量，大幅提升数据使用效率。
附图说明
[0023]图1为本专利技术实施例提供的基于IALSTM网络的海洋站潮位数据填充方法步骤流程图；
[0024]图2为本专利技术实施例提供的基于IALSTM网络的海洋站潮位数据填充方法实施原理图；
[0025]图3为本专利技术实施例提供的IALSTM模型的结构图；
[0026]图4a为本专利技术实施例提供的缺测1小时的填充效果对比图；
[0027]图4b为本专利技术实施例提供的缺测6小时的填充效果对比图；
[0028]图4c为本专利技术实施例提供的缺测24小时的填充效果对比图。
具体实施方式
[0029]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。
[0030]在本专利技术的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0031]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0032]近年来，机器学习方法发展迅速，在各学科都有广泛应用。LSTM(长短期记忆网络)作为循环神经网络的变种模型，能够有效地利用长距离的时序信息，经常用于时间序列数据预测，但也存在容易忽略低权重信号的缺点。本专利技术基于LSTM深度学习网络设计IALSTM网络(信息感知长短期记忆网络)，建立一种邻近海洋站点潮位数据的关联模型，从而依据邻近站点数据对缺测数据进行填充。该模型结构成熟、表现稳定、实现简单、精确度高，从而实现海洋站潮位缺测的有效的稿精准度填充，提高了资料的完整性与连续性。
[0033]参照图1所示，本专利技术提供的一种基于IALSTM网络的海洋站潮位数据填充方法，包括：
[0034]S10、获取目标海洋站和关联海洋站的潮位数据；
[0035]S20、将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；
[0036]S30、基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。
[0037]本实施例中，基于目标海洋站潮位和相关站点潮位数据，通过IALSTM深度学习神经网络模型建立关联关系，从而依据邻近站点对海洋站潮位缺测数据进行高精确度填充，提高了资料的完整性与连续性。
[0038]下面结合图对本专利技术的方案进行详细的举例说明：
[0039]如图2是本实施例的基于IALSTM网络的海洋站潮位数据填充方法实施原理图，比如：本实施例所用潮位数据来自福建省的崇武和晋江两个海洋站，时间为2017年1月1日至2017年12月31日，设定晋江站潮位数据为输出数据，崇武站潮位为输入数据，即利用崇武潮位数据预测晋江潮位数据，建立模型。输入数据序列长度为8760组，其中7008组(80％)用于训练，876组(10％)用于验证，876组(10％)用于测试。
[0040]本实施例中输入和输出样本长度为1:1，即利用同一时刻的崇武潮位数据预测晋本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IALSTM网络的海洋站潮位数据填充方法，其特征在于，包括：获取目标海洋站和关联海洋站的潮位数据；将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。2.根据权利要求1所述的一种基于IALSTM网络的海洋站潮位数据填充方法，其特征在于，获取目标海洋站和关联海洋站的潮位数据，包括：获取目标海洋站和关联海洋站的潮位数据，并对其进行归一化处理，确保所述目标海洋站的潮位数据和关联海洋站的潮位数据均为同一时刻的数据。3.根据权利要求1所述的一种基于IALSTM网络的海洋站潮位数据填充方法，其特征在于，获取目标海洋站和关联海洋站的潮位数据，还包括：通过相关性检验方法，得到目标海洋站和关联海洋站的潮位数据的相关系数；当所述相关系数...

【专利技术属性】
技术研发人员：杨锦坤，苗庆生，杨扬，徐珊珊，刘玉龙，韦广昊，张艳胜，
申请(专利权)人：国家海洋信息中心，
类型：发明
国别省市：