【技术实现步骤摘要】
本专利技术涉及数据处理的，尤其是涉及一种海表面温度数据的填补与修正方法、装置和电子设备。
技术介绍
1、目前，基于现场观测获取的海表面温度数据（是指在海表面现场的各个点位放置设备的方式采集到的海表面温度数据）较少，且卫星遥感数据受云雾等影响，卫星遥感海表面温度数据存在分布稀疏、不均匀等问题，且传统模型生产的海表面温度产品仅依靠卫星遥感海表面温度数据，现场观测的海表面温度数据并没有纳入数据产品生产过程，大大限制了海表面温度数据的潜在应用。
2、传统的方法通过构建拟合模型预测缺失值以解决卫星遥感海表面温度数据时空覆盖率较低的问题，但由于海表面温度数据的瞬态性、随机性，在模型运算过程中易被平滑掉、被过滤掉，且传统模型算法需要复杂的先验信息，无法同时提取和关联卫星遥感海表面温度数据的时间维度特征、空间维度特征，导致该方法在修正与填补卫星遥感海表面温度数据时受到限制，模型结果的时空覆盖率低、精度、分辨率低，因此依赖传统模型生产海表面温度数据无法反应海表面温度数据的真实物理过程。
3、综上，传统的海表面温度数据的修正与填补方法存在修正和填补后的海表面温度数据时空覆盖率低、精度低的技术问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种海表面温度数据的填补与修正方法、装置和电子设备，以缓解传统的海表面温度数据的修正与填补方法得到的修正和填补后的海表面温度数据时空覆盖率低、精度低的技术问题。
2、第一方面，本专利技术实施例提供了一种海表面温度数据的填
3、对现场观测的海表面温度数据进行网格化预处理，得到现场观测的网格化海表面温度数据；
4、将卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，得到融合的海表面温度数据；
5、对所述融合的海表面温度数据进行数学运算，得到数学运算数据矩阵，其中，所述数学运算数据矩阵中的数据包括：误差方差的倒数、缩放后的海表面温度异常值、标准化的经纬度数据和标准化的时间数据；
6、将所述数学运算数据矩阵输入至双层耦合结构的卷积自编码器中进行迭代训练，并在迭代训练过程中输出多个期望误差方差倒数的对数和多个期望误差方差的倒数缩放的海表面温度异常；
7、根据多个所述期望误差方差倒数的对数和多个所述期望误差方差的倒数缩放的海表面温度异常计算目标海表面温度异常值；
8、采用所述目标海表面温度异常值对所述融合的海表面温度数据对应的算术平均值进行修正，得到修正和填补后的海表面温度数据。
9、进一步的，对现场观测的海表面温度数据进行网格化预处理，包括：
10、构建与所述卫星遥感海表面温度数据的网格大小相同的空网格；
11、在所述空网格中添加所述现场观测的海表面温度数据，并采用插值算法计算所述现场观测的海表面温度数据所处的网格的临近网格的现场观测的海表面温度数据；
12、将计算得到的临近网格的现场观测的海表面温度数据置于对应的临近网格内，得到所述现场观测的网格化海表面温度数据。
13、进一步的，将卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，包括：
14、获取预设的权重；
15、根据所述预设的权重对所述卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，得到所述融合的海表面温度数据。
16、进一步的，对所述融合的海表面温度数据进行数学运算，包括：
17、计算所述融合的海表面温度数据的误差方差，并根据所述误差方差确定所述误差方差倒数；
18、计算所述融合的海表面温度数据的算术平均值；
19、根据所述融合的海表面温度数据和所述算术平均值计算所述海表面温度异常值；
20、采用所述误差方差的倒数对对应的所述海表面温度异常值进行缩放，得到所述缩放后的海表面温度异常值；
21、对经纬度数据进行标准化处理，得到所述标准化的经纬度数据；
22、对时间数据进行标准化处理，得到所述标准化的时间数据，进而得到由所述误差方差的倒数、所述缩放后的海表面温度异常值、所述标准化的经纬度数据和所述标准化的时间数据构成的数学运算数据矩阵。
23、进一步的，将所述数学运算数据矩阵输入至双层耦合结构的卷积自编码器中进行迭代训练，包括：
24、将所述数学运算数据矩阵输入至第一卷积自编码器中，得到第一输出结果；
25、将所述第一输出结果和所述数学运算数据矩阵输入至第二卷积自编码器，输出得到所述期望误差方差倒数的对数和所述期望误差方差的倒数缩放的海表面温度异常。
26、进一步的，所述双层耦合结构的卷积自编码器中每个卷积自编码器包括：编码器和解码器；
27、所述编码器包括：多个编码层，每个所述编码层包括：卷积层、注意力模块、激活函数和池化层；
28、所述解码器包括：与所述编码层数量相同的解码层，每个所述解码层包括：上采样层、注意力模块和卷积层；
29、所述编码层和所述解码层之间采用求和跳过连接。
30、进一步的，根据多个所述期望误差方差倒数的对数和多个所述期望误差方差的倒数缩放的海表面温度异常计算目标海表面温度异常值，包括：
31、计算多个所述期望误差方差倒数的对数的平均值，得到目标期望误差方差倒数的对数；
32、计算多个所述期望误差方差的倒数缩放的海表面温度异常的平均值，得到目标期望误差方差的倒数缩放的海表面温度异常；
33、根据海表面温度异常值计算算式计算所述目标海表面温度异常值，其中，表示所述目标海表面温度异常值，表示所述目标期望误差方差的倒数缩放的海表面温度异常，表示误差方差，，，，表示所述目标期望误差方差倒数的对数。
34、第二方面，本专利技术实施例还提供了一种海表面温度数据的填补与修正装置，包括：
35、网格化预处理单元，用于对现场观测的海表面温度数据进行网格化预处理，得到现场观测的网格化海表面温度数据；
36、加权融合单元，用于将卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，得到融合的海表面温度数据；
37、数学运算单元，用于对所述融合的海表面温度数据进行数学运算，得到数学运算数据矩阵，其中，所述数学运算数据矩阵中的数据包括：误差方差的倒数、缩放后的海表面温度异常值、标准化的经纬度数据和标准化的时间数据；
38、迭代训练单元，用于将所述数学运算数据矩阵输入至双层耦合结构的卷积自编码器中进行迭代训练，并在迭代训练过程中输出多个期望误差方差倒数的对数和多个期望误差方差的倒数缩放的海表面温度异常；
39、计算单元，用于根据多个所述期望误差方差倒数的对数和多个所述期望误差方差的倒数缩放的海表面温度异常计算目标海表面温度异常值；
40、修正单元，用于采用所述目标海表面本文档来自技高网...
【技术保护点】
1.一种海表面温度数据的填补与修正方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对现场观测的海表面温度数据进行网格化预处理，包括：
3.根据权利要求1所述的方法，其特征在于，将卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，包括：
4.根据权利要求1所述的方法，其特征在于，对所述融合的海表面温度数据进行数学运算，包括：
5.根据权利要求1所述的方法，其特征在于，将所述数学运算数据矩阵输入至双层耦合结构的卷积自编码器中进行迭代训练，包括：
6.根据权利要求1所述的方法，其特征在于，所述双层耦合结构的卷积自编码器中每个卷积自编码器包括：编码器和解码器；
7.根据权利要求1所述的方法，其特征在于，根据多个所述期望误差方差倒数的对数和多个所述期望误差方差的倒数缩放的海表面温度异常计算目标海表面温度异常值，包括：
8.一种海表面温度数据的填补与修正装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种海表面温度数据的填补与修正方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对现场观测的海表面温度数据进行网格化预处理，包括：
3.根据权利要求1所述的方法，其特征在于，将卫星遥感海表面温度数据与所述现场观测的网格化海表面温度数据进行加权融合，包括：
4.根据权利要求1所述的方法，其特征在于，对所述融合的海表面温度数据进行数学运算，包括：
5.根据权利要求1所述的方法，其特征在于，将所述数学运算数据矩阵输入至双层耦合结构的卷积自编码器中进行迭代训练，包括：
6.根据权利要求1所述的方法，其特征在于，所述双层耦合结构的卷积自编码器中每个卷积自编码器包括：编码器和解码器...
【专利技术属性】
技术研发人员：李宇恒，王宇翔，
申请(专利权)人：航天宏图信息技术股份有限公司，
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。