【技术实现步骤摘要】
本专利技术涉及海洋环境预报领域，具体涉及一种优化预报精度、达到中长期预报的基于多层次特征聚合的全球海洋环境预报方法。
技术介绍
1、海洋环境预报是指通过数据收集分析和模型计算等技术手段，对全球海洋环境中的温度、盐度、流速、海表面高度等海洋中各层的(每一层都对应从海表垂直向下的一个深度，例如第1层对应0.5米的深度，第2层对应1.5米的深度)重要要素进行预测估计的过程，是应对气候变化、海洋灾害和生态系统可持续性等重要挑战的关键工具。预报准确性和实时性是这一领域的核心关注点。
2、在海洋环境预报中，性能评估分为两个关键方面：准确性和实时性。准确性反映了预报方法的精确度，而实时性则强调了方法的快速响应能力。对于应用于航海、渔业、海洋资源管理和自然灾害预警等任务的海洋环境预报，实时性是至关重要的。如果无法在紧急情况下及时提供预报信息，可能会导致重大损失和危险。
3、目前，海洋环境预报方法的发展主要集中在两个方向：微分方程驱动的数值模型预报方法和大数据驱动的海洋环境预报方法。
4、微分方程驱动的数值模型预报方法，如英国气象局foam(forecast oceanassimilation model)系统、法国glorys12中心的psy3和psy4系统、加拿大环境中心的giops(global ice ocean prediction system-canadian operational net-work ofcoupled environmental prediction systems,giops
5、大数据驱动的海洋环境预报方法借鉴了深度学习技术，充分利用卫星遥感数据、传感器观测数据和海洋数据库中的历史信息来生成实时预报。由于gpu算力的发展，大数据驱动的海洋环境预报方法在实时性预测方面相较于微分方程驱动的数值模型预报方法具有更明显的优势。
6、大数据驱动的深度学习预报方法首先在气象预报领域取得了巨大进展。文献“bi,k.,xie,l.,zhang,h.et al.accurate medium-range global weather forecasting with3d neural networks.nature 619,533–538(2023).”(bi,k.,xie,l.等人的论文：基于3d神经网络的精确中期全球天气预报)介绍了一种基于3d-transformer的高分辨率全球天气预报系统——盘古，该预报系统可以在0.25°的空间分辨率下生成7天的气象预报结果，并在80％天气变量上的评价指标超越欧洲中期天气预报中心(european centre for medium-range weather forecasts，ecmwf)运行的integrated forecasting system-highresolution(ifs-hres)先进数值天气预报系统。盘古实现了基于深度学习的气象预报模型，该模型具备推理速度快、预报精度等优点。由于大数据驱动的深度学习预报方法在天气预报领域取得的巨大成功，近来也有使用大数据驱动的深度学习方法对海洋环境进行预报的工作。文献“xiong,w.,xiang,y.,wu,h.,zhou,s.,sun,y.,ma,m.,&huang,x.(2023).ai-goms:large ai-driven global ocean modeling system.arxiv,abs/2308.03152.”(xiong,w.,xiang,y.等人的论文：大型人工智能驱动的全球海洋建模系统：ai-goms)是一个基于傅里叶算子的自编码器基础模型的海洋环境预报系统，该系统以0.25°空间分辨率的hycom全球再分析海洋数据为输入，进行未来30天的天级全球预报，但并未采用国际权威的海洋预报系统评测组织——海洋预报系统间比较与验证工作组(intercomparison andvalidation task team,ivtt)的评测标准对模型性能进行全方位评估，使得该系统的预报性能无法与数值预报模型的性能进行直观比较。
7、盘古和ai-goms证明了深度学习在气象预报领域和海洋环境预报领域相较于传统数值模型具备较大的性能优势，但它们都只能对0.25°空间分辨率的全球数据进行预报。而海洋再分析数据的空间分辨率高达1/12度，这会导致模型训练过程中产生较大的计算开销，此外海洋数据具备观测站点少、观测途径单一、特征表征能力不足等缺陷，使得再分析数据与真实观测值相比存在一定差距，只有通过标准化方法进行统一标准评测，才能全面、准确地评估模型性能。这些重要问题始终阻碍了基于数据驱动的深度学习对海洋环境预报方法的发展。
8、如何在缓解对高分辨率海洋数据的特征表征能力不足的前提下，提高预报实时性、预报准确度、降低计算成本，仍然是本领域相关技术人员亟待解决的技术问题。
技术实现思路
1、本专利技术要解决的技术问题是针对现有微分方程驱动的数值模型方法计算成本过大，预报速度较慢，现有基于数据驱动的深度学习海洋环境预报系统难以处理1/12度的高分辨率全球数据、预报精度有待提高的问题，提出一种基于多层次特征聚合的全球海洋环境预报方法。在保证预报实时性的前提下，利用多层次特征聚合网络提取多尺度特征，缓解特征表征能力不足、计算成本较高的问题，提升预报精度，实现高分辨率的全球海洋环境预报。
2、为解决上述技术问题，本专利技术的技术方案是：构建基于多层次特征聚合的全球海洋环境预报系统。该系统由海洋特征提取模块、海洋特征聚合模块和全球海洋区域还原模块构成。构建全球海洋环境预报系统所需的数据集，将数据集划分为训练集、验证集和测试集。对训练集、验证集和测试集进行时间分辨率和空间分辨率对齐，并抽取关键层数据，最后进行标准化处理。然后采用训练集对全球海洋环境预报系统中的海洋特征提取模块、海洋特征聚合模块和全球海洋区域还原模块进行训练。在一轮训练结束后，使用验证集对训练后的全球海洋环境预报系统的预报精度进行测试，若该轮的网络权重参数使得当前的预报精度最优，则保存该轮的网络中可训练模块(海洋特征提取模块、海洋特征聚合模块和全球海洋区域还原模块)的权重参数。待最后一轮训练结束后，就能得到预报性能最优异的训练后的全球海洋环境预报系统；最后采用预报性能最优异的训练后的全球海洋环境预报系统根据用户输入的某天的全球海洋环境数据进行全球海洋环境预报。输入的全球海洋环境数据是一个包含各层要素的三维网格数据，要素包括：三个海表要素(本文档来自技高网...
【技术保护点】
1.一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于包括以下步骤：
2.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于所述二维卷积神经网络将三维网格数据划分成的patch的大小为6×6像素，每个patch的表示维度都为416，二维卷积神经网络的步长以及卷积核大小都为6；所述二维转置卷积神经网络层步长和卷积核大小都为6，采用步长为6的6×6转置卷积。
3.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.1步所述将ERA5风场再分析数据的时间分辨率与GLORYS12全球海洋再分析数据、GHR海表面温度卫星数据对齐的方法是：
4.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.2步所述将M、E1两个数据集的空间分辨率与G对齐的方法是：
5.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.3步所述将E2、G1两个数据集与M的空间范围进行对齐的方法是：
6.如权利要求1所述的一种基于多层次特征聚
7.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于3.2步所述设置海洋环境预报系统训练参数的方法是：设置预热学习率为5×10-8，预热训练步长为3，学习率learning_rate为5×10-5；设置模型训练优化器的超参数β1为0.9，β2为0.95，“权重衰减”为1×10-3；网络训练的批次大小mini_batch_size为1；最大训练步长maxepoch为50。
8.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于3.3.2步所述B满足0≤B≤16。
9.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于3.3.4.1.1步所述第一局部SIE网络的窗口多头自注意力层对X进行层次归一化操作时将X划分成多个7×7窗口，即每个窗口包含7×7个patch。
...【技术特征摘要】
1.一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于包括以下步骤：
2.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于所述二维卷积神经网络将三维网格数据划分成的patch的大小为6×6像素，每个patch的表示维度都为416，二维卷积神经网络的步长以及卷积核大小都为6；所述二维转置卷积神经网络层步长和卷积核大小都为6，采用步长为6的6×6转置卷积。
3.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.1步所述将era5风场再分析数据的时间分辨率与glorys12全球海洋再分析数据、ghr海表面温度卫星数据对齐的方法是：
4.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.2步所述将m、e1两个数据集的空间分辨率与g对齐的方法是：
5.如权利要求1所述的一种基于多层次特征聚合的全球海洋环境预报方法，其特征在于2.2.3步所述将e2、g1两个数据集与m的空间范围进行对齐的方法是：<...
【专利技术属性】
技术研发人员：汪祥，王辉赞，朱俊星，王品强，韩毅，张卫民，宋君强，任开军，鲍森亮，邓科峰，徐建波，
申请(专利权)人：中国人民解放军国防科技大学，
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。