【技术实现步骤摘要】
一种基于图神经网络的海洋环境参数快速精细化预报方法
[0001]本专利技术涉及一种海洋环境参数快速精细化预报方法，尤其涉及一种基于图神经网络的海洋环境参数快速精细化预报方法，属于海洋环境数值预报领域。
技术介绍
[0002]我国是世界上遭受海洋灾害较为严重的国家之一，灾害种类多、分布广、频率高、损失重，风暴潮、浒苔、溢油等重大海洋灾害与突发环境事件威胁着沿海经济社会发展和人民群众的生命财产安全。因此，海洋环境保障成为国家各级海洋管理和预报部门亟需解决的一个重要问题。
[0003]海洋环境数值预报是海洋环境保障领域的重要支撑。海洋环境数值预报通常依赖于基于物理方程的预报模型，这种方法的挑战是需要考虑诸多自然过程来理解复杂的物理现象，因此通常需要对物理模型做出一定的近似，或采用经验公式对某一物理过程进行解析描述，从而导致一定的误差。然而，动力学规律就蕴含在时间序列观测中，由于机器学习无需人为对物理模型进行假设，是一种数据驱动的统计学习方法，根据训练数据的概率分布，自发地学习输入到输出的映射关系，因此更适合用于无法准确通过...
【技术保护点】
【技术特征摘要】
1.一种基于图神经网络的海洋环境参数快速精细化预报方法，使用Argo历史观测和海洋环境动态分析系统(MODAS)系统的数据训练图神经网络，预测未来时刻的海洋环境参数(水下三维温盐、三维声场)，通过在线学习和数值同化的方法对预报系统进行校正，采用体绘制技术中的光线投射算法对海洋环境参数进行三维可视化映射。2.根据权利要求1所述的一种基于图神经网络的海洋环境参数快速精细化预报方法，其特征在于，所述的图神经网络算法步骤如下：步骤S1：根据采集数据的分辨率将目标海域进行网格划分，每一网格内的水体称为一个流体微团；步骤S2：通过图嵌入对微团进行精细化建模，处理计算微团间的环境参数的演化生成最终的隐变量；在图中，通过节点描述每一微团的特征。不同微团具有不同的物理特征，例如温度、盐度、流速、流向、深度等，这些参数化的特征被组织成一维向量的格式，作为各自节点的特征向量。最后，通过在不同节点间建立“边”的链接，为节点建立依赖关系，边的特征可以是节点间的距离，或者节点间的温度传导系数，这种特征的设计需要根据数据的物理特性进行分析，以确定最有利于网络运算的特征组织形式。处理计算微团间的环境参数的演化，经过M步信息传递，形成一个隐变量的序列，并生成最终的隐变量；步骤S3：解码器从最终的隐变量中提取动力学信息并输出目标海域的环境参数预测。3.实现权利要求1所述的一种基于图神经网络的海洋环境参数快速精细化预报方法，其特征在于，通过在线学习和数值同化的方法对预报系统进行校正，所述的校正方法步骤如下：步骤S1：通过...
【专利技术属性】
技术研发人员：朱宏娜，李治龙，周恒安，张煜峰，
申请(专利权)人：西南交通大学，
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。