【技术实现步骤摘要】
本申请涉及人工智能，特别是涉及一种海雾及低云覆盖二维分布场预报方法及系统。
技术介绍
1、海雾的出现会使得空气中的垂直和水平能见度急剧下降进而导致人类活动视线受阻。会对水上施工作业，水上交通运输，以及沿岸航空和陆路交通造成严重的安全隐患，引发重大事故。据统计海上船舶之间的碰撞事故80％是因海雾导致能见度不良而引起的。此外海雾的形成和蔓延对沿海地区的农业发展也有一定影响。然而据统计，与其他灾害性天气相比较，海雾的识别与预报仍然处于较低的水平。因此，智能监测并预报近海沿岸海雾的生消变化，对海上防灾减灾具有重要指导与实践意义。我国沿海地区自南向北不同的季节均有海雾发生。海雾的生成和消散涉及到湍流输送、雾滴沉降、辐射、雾顶夹卷、风切变等大气海洋物理过程及其复杂的交互作用。现有大气海洋数值模型通常难以准确刻画海雾生消变化过程中复杂的边界层。
2、当前，海雾的监测预报手段主要包括气象站点观测和卫星遥感监测。气象观测站获取的实测信息通常是精度较高的单点连续的能见度数据，然而沿海以及海上浮标等稀疏站点观测，无法满足时空尺度上大范围的海雾预报监测需求；此外，海雾时空分布模式非常复杂，以观测站点粗略代表面域难以精准表征海雾在连续空间上的异质性，给区域尺度的预报分析带来了极大的不确定性。遥感组网观测技术的连续空间覆盖为海雾空间分布提供了可靠的数据支撑。然而，现有的研究对海雾二维场的预报还尚未建立结合多源异构再分析数据的高精度估算模型。此外，海雾理论模型的参数化极为复杂，构建海雾数值模型难度很大，且数值模型通常对受到多模态因素的交互耦合影响
3、尽管现代水上运载工具和航空器大都装备了先进的雷达及其他环境监测导航设备，但由于海雾原因引起的海难和空难事故仍层出不穷，造成损失相当惨重。海雾实际上是一种危害很大的海洋灾害。首先，海雾导致的极端降低能见度，对水上交通运输、航空运输、渔业捕捞和养殖、海上生产活动等造成严重不利影响；其次，海雾折射日光，会极大减少地球表面日照时间，产生的低温高湿会对农作物生长带来极大危害；第三，海雾中的水滴含盐量很高，这会对水上建筑物等设备的腐蚀产生不可忽视的影响。
4、国内外相关的基于机器学习和深度学习的海雾以及低云预报主要集中在了对海雾的识别方向，例如采用卷积神经网络以及各种集成机器学习方法识别海雾的发生。最新的基于卷积神经网络的海雾研究也主要集中在了海雾及低云的出现概率或出现频率的预报分析。未能将海雾及低云的二维场时空特征变化进行融合预报分析，也没有把海雾低云分布的时空异质性和影响其生消变化多模态多因子时空耦合因素进行深入探讨分析。忽略了准确识别海雾生消和后续海雾时空分布特征重建预报的两者之间的耦合性和连续性。
技术实现思路
1、有鉴于此，本专利技术提供了一种海雾及低云覆盖二维分布场预报方法及系统，借助多源异构的再分析数据信息，充分考虑影响海雾生消变的多模态多因子要素，构建一种基于残差学习和多头注意力机制的u形编码解码器，并进一步基于海雾多预报因子要素和，预报海雾低云的二维场时空动态分布。弥补海雾低云二维场信息时空预报方面的研究技术空缺。
2、为此，本专利技术提供了以下技术方案：
3、本专利技术提供了一种海雾及低云覆盖二维分布场预报方法，包括以下步骤：
4、s1、对影响海雾生成以及空间变化的各个多模态气象因子二维场信息进行区域截取汇总收集，选择相对应海域的雾以及低云二维场分布信息场；
5、s2、采用相关函数法，计算各个气象因子与雾以及低云二维场的自相关系数，获取各气象因子权重因子；根据权重因子筛选有效气象因素；
6、s3、构建基于u形深度二维卷积神经网络的海雾低云时空变化二维场预报分析模型，所述模型以空间气象学因子作为输入，输出海雾低云时空变化二维场预报结果；构建所述模型包括：采用2d cnn层，搭建深度编码解码器，组建u形深度二维卷积神经网络模型，2d卷积核用于挖掘各个气象因子之间的深层耦合交互影响特征；编码器部分提取具有低阶非线性信息的张量序列的高维特征图，而解码器模块导出高维度语义信息；将残差学习机制引入u形深度二维卷积神经网络模型，残差学习机制控制模型信息流的特征提取和保真融合，将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间；每一个残差模块的输出信息流为原始信息流与经过卷积映射的输出信息流之和；在u形深度二维卷积神经网络模型中进一步引入多头注意力机制模块；通过所述多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵；
7、s4、采用交叉验证法对所述模型进行训练，并使用训练好的模型对二维海雾场信息进行预报。
8、进一步地，影响海雾生成以及空间变化的各个多模态气象因子，包括：风场、地表温度场、气压场、湿度场和空气密度场。
9、进一步地，s1具体包括：
10、s11、汇总收集选定区域的各个多模态气象因子的时间序列空间变化信息，汇总所述选定区域的低云覆盖范围，作为海雾潜在空间变化分布的目标变量；
11、s12、采用z-score标准化操作，对低于覆盖率张量以及各个气象因子张量进行数据标准化处理。
12、进一步地，s2包括以下步骤：
13、s21、建立时间序列相关函数和偏自相关函数；
14、s22、计算各个气象因子的时间和空间均值序列，采用相关分析函数计算各因子与目标低云覆盖量因子的相关性权重；
15、s23、剔除负相关权重因子，保留正相关气象因子变量。
16、进一步地，通过所述多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵，包括：针对叠加融合多个气象因子的输入张量，采用三次线性投影三个聚合的注意力特征矩阵，三个投影矩阵的值、查询和键矩阵进行并行计算，最终计算得到包含深度高层次语义和特征的投影权重矩阵。
17、进一步地，采用huber loss函数作为预报模型的损失函数，计算预报值与目标值之间的误差：
18、
19、其中，ψ为本专利技术创建的海雾及低云二维场预报数据，o表示海雾及低云的再分析数据。
20、进一步地，s4具体包括：
21、s41、采用k-fold交叉验证方法，将数据集分为若干等分；
22、s42、将标准化的气象因子数据和海雾及低云数据集分为训练集和测试集两部分；
23、s43、采用k-fold方法将训练数均分为k份；其中，k-1份数据用于训练模型，剩余的1份用于验证模型预报性能；
24、s44、重复第s43步骤，直到每一份数据都得到了模型的性能预报验证；
25、s45、采用huber loss误差为标准，计算s43步骤中k个模型的预报性能，将模型的平均预报性能作为最终预报参考。
26、本专利技术还提供了一种海雾及低云覆盖二维分布场预报系统，包括：
本文档来自技高网...
【技术保护点】
1.一种海雾及低云覆盖二维分布场预报方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，影响海雾生成以及空间变化的各个多模态气象因子，包括：风场、地表温度场、气压场、湿度场和空气密度场。
3.根据权利要求2所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，S1具体包括：
4.根据权利要求3所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，S2包括以下步骤：
5.根据权利要求4所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，通过所述多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵，包括：针对叠加融合多个气象因子的输入张量，采用三次线性投影三个聚合的注意力特征矩阵，三个投影矩阵的值、查询和键矩阵进行并行计算，最终计算得到包含深度高层次语义和特征的投影权重矩阵。
6.根据权利要求5所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，采用Huber loss函数作为预报模型的损失函数，计算预报值与目标值之间的误差：p>
7.根据权利要求6所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，S4具体包括：
8.一种海雾及低云覆盖二维分布场预报系统，其特征在于，包括：
...【技术特征摘要】
1.一种海雾及低云覆盖二维分布场预报方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，影响海雾生成以及空间变化的各个多模态气象因子，包括：风场、地表温度场、气压场、湿度场和空气密度场。
3.根据权利要求2所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，s1具体包括：
4.根据权利要求3所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，s2包括以下步骤：
5.根据权利要求4所述的一种海雾及低云覆盖二维分布场预报方法，其特征在于，通过所述多头注意力机制模块将包含多...
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。