一种基于深度学习的北极海冰密集度预测方法技术

本发明专利技术提供公开了一种基于深度学习的北极海冰密集度预测方法，具体为，步骤1：获取北极海冰密集度数据和ERA5气象因子数据；步骤2：对气象因子数据进行预处理，步骤3：将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接，得到多源融合数据；步骤4：将步骤3中的多源融合数据按照时间分成n组，建立特征提取网络；该特征提取网络包n个特征提取模块，步骤5：将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中，提取多源融合数据组的时空特征，步骤6：将特征提取网络的输出输入至自适应权重分配网络中，得到海冰密集度预测值。本发明专利技术解决了传统时序预测模型注意力集中在末端的问题，有效提升了预测的精确度。

【技术实现步骤摘要】

本专利技术属于智慧海洋。

技术介绍

1、近几十年来，全球变暖已成为世界各地许多国家和整个科学界关注的共同话题。北极气候系统也随之发生了一系列变化，根据cmip6模型的未来预测，由于持续的人为变暖，北极海洋在2050年9月首次可能出现无冰情况(海冰面积低于100万平方公里)。北极海冰的融化直接影响着人类的生产和生活，同时也给人类开发北极资源带来了前所未有的机会。在海冰密集度低的地区，可以有效扩展了水路的可航行时间，有利于科学勘探和商业发展。因此，对北极地区海冰密集度预测的准确性至关重要。

2、传统的海冰密集度预测方法主要是数值模型和统计模型，数值模型可以根据海洋和大气的物理过程模拟海冰的形成和演化过程。这些模型基于物理方程和参数化方法，计算资源要求高，无法实现轻量级预测。统计方法需要逐个的处理每个网格，为了减少计算成本，研究人员将海冰密集度的网格分辨率降低了近10倍(从25km到225km)，以做出粗粒度的预测。因此，在实际的应用中，统计方法难以支持北极地区所有网格的预测。深度学习模型利用神经网络的强大学习能力，可以从大量的海冰观测数据和气象因子本文档来自技高网...

【技术保护点】

1.一种基于深度学习的北极海冰密集度预测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述ERA5气象因子为每月再分析数据，包括2m温度、2m露点温度、海面平均温度、10m风的u分量和v分量。

3.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述步骤2中采用极地投影法对气象因子数据进行预处理。

4.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述步骤4中以一年为周期，按照月份对多源融合数据进行分组，得到12个连续月份的多源融...

【技术特征摘要】

1.一种基于深度学习的北极海冰密集度预测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述era5气象因子为每月再分析数据，包括2m温度、2m露点温度、海面平均温度、10m风的u分量和v分量。

3.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述步骤2中采用极地投影法对气象因子数据进行预处理。

4.根据权利要求1所述的一种基于深度学习的北极海冰密集度预测方法，其特征在于，所述步骤4中以一年为周期，按照月份对多源融合数据进行分组，得到12个连续月份...

【专利技术属性】
技术研发人员：谈玲，许金龙，夏景明，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：