【技术实现步骤摘要】
本专利技术涉及数据处理，具体而言，涉及一种基于机器学习的波浪陡度预测方法及系统。
技术介绍
1、波浪陡度是衡量海浪状态的重要指标，直接关系到海上活动的安全。传统的波浪陡度预测方法主要依赖于人工观察和经验判断，但由于海洋环境的复杂性和不确定性，这些方法往往难以准确预测海浪陡度，且效率较低。为了解决这一问题，近年来开始引入机器学习进行波浪陡度预测处理。然而，这种基于机器学习预测技术仍存在一些技术挑战。首先，如何有效地处理大量、高维度的海洋状态观测数据，使得机器学习模型能够从中提取出有用的信息并进行准确预测，是一个关键问题。其次，如何调整和优化机器学习模型，以适应海洋环境的变化，保证预测结果的稳定性和可靠性，也需要进一步研究。
技术实现思路
1、为了改善上述问题，本专利技术提供了一种基于机器学习的波浪陡度预测方法及系统。
2、第一方面，提供一种基于机器学习的波浪陡度预测方法，应用于海浪风险监测预警系统，所述方法包括：
3、获取目标海域的多维海洋状态观测数据；
4、通过目标海浪风险监测预警算法对所述目标海域的多维海洋状态观测数据进行海浪风险判别处理，得到所述目标海域的多维海洋状态观测数据的海浪风险事项判别结果以及所述目标海域的多维海洋状态观测数据中每组海洋状态观测信息的异常状态趋势预测权重；其中，所述目标海浪风险监测预警算法是基于联动监测预警事项的调试操作所得的。
5、在一些方案中，所述目标海浪风险监测预警算法的调试步骤包括：
6
7、获取用于反映所述第一海洋状态观测数据的海浪风险判别结果的第一先验海浪风险认证注释，并依据所述第一海洋状态观测数据、所述第一海洋状态观测数据的第一先验海浪风险认证注释、所述第一异常状态趋势权重注释生成第一算法调试学习示例；
8、通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，其中，所述联动监测预警事项包括海浪风险监测预警事项以及异常状态趋势权重监测预警事项；
9、获取携带正确注释的第二算法调试学习示例，并通过所述第二算法调试学习示例对所述第一海浪风险监测预警算法进行依据所述联动监测预警事项的第二调试操作，得到第二海浪风险监测预警算法；
10、依据所述第二海浪风险监测预警算法获取用于实施所述联动监测预警事项的目标海浪风险监测预警算法。
11、在一些方案中，所述方法还包括：
12、获取海域监测图像集，并对所述海域监测图像集进行图像拆分，得到至少一个海域监测图像；
13、对每个所述海域监测图像进行数据抽取操作，得到每个所述海域监测图像对应的第一海洋状态观测数据、所述第一海洋状态观测数据中每组第一海洋状态观测信息的第一时序标签以及所述第一海洋状态观测数据中每个所述第一海洋状态观测信息的第二时序标签；
14、对于每个所述海域监测图像的第一海洋状态观测数据，依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量。
15、在一些方案中，所述依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量，包括：
16、对于每个所述第一海洋状态观测信息实施如下步骤：
17、依据所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述海域监测图像中获取对应所述第一海洋状态观测信息的至少一个图像信息；
18、获取对应所述第一海洋状态观测信息的每个所述图像信息的图像描述子；
19、对所述至少一个图像信息的图像描述子进行均值化处理，得到对应所述第一海洋状态观测信息的图像均值化描述子；
20、将对应所述第一海洋状态观测信息的图像均值化描述子作为所述第一海洋状态观测信息的海洋状态观测图像表征向量。
21、在一些方案中，所述通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，包括：
22、将所述第一海洋状态观测数据在所述基础海浪风险监测预警算法中进行前馈处理，得到对应所述第一先验海浪风险认证注释的第一判别可能性，以及所述第一海洋状态观测数据的每组第一海洋状态观测信息的反映异常状态趋势权重种类的第二置信分值；
23、依据所述第一判别可能性、以及所述第二置信分值，确定第一联动监测预警事项训练代价；
24、依据所述第一联动监测预警事项训练代价优化所述基础海浪风险监测预警算法的算法变量，得到所述第一海浪风险监测预警算法。
25、在一些方案中，所述基础海浪风险监测预警算法包括基础知识碰撞分支以及对应每个监测预警事项的基础监测判别分支，所述将所述第一海洋状态观测数据在所述基础海浪风险监测预警算法中进行前馈处理，得到对应所述第一先验海浪风险认证注释的第一判别可能性，以及所述第一海洋状态观测数据的每组第一海洋状态观测信息的反映异常状态趋势权重种类的第二置信分值，包括：
26、通过所述基础知识碰撞分支对所述第一海洋状态观测数据进行ai知识挖掘操作，得到所述第一海洋状态观测数据的目标数据检测框的第一ai知识向量、以及所述第一海洋状态观测数据的每个状态观测信息框的第一ai知识向量；
27、基于对应所述海浪风险监测预警事项的基础监测判别分支对所述第一海洋状态观测数据的目标数据检测框的第一ai知识向量进行海浪风险种类判别操作，得到对应所述第一先验海浪风险认证注释的第一判别可能性；
28、基于对应所述异常状态趋势权重监测预警事项的基础监测判别分支对所述第一海洋状态观测数据的每个状态观测信息框的第一ai知识向量进行异常状态趋势权重判别操作，得到所述第一海洋状态观测数据的每组第一海洋状态观测信息的反映异常状态趋势权重种类的第二置信分值。
29、在一些方案中，所述获取携带正确注释的第二算法调试学习示例，包括：
30、获取第二海洋状态观测数据的第二先验海浪风险认证注释、所述第二海洋状态观测数据的每个第二海洋状态观测信息的第二异常状态趋势权重注释作为所述正确注释；其中，所述第二先验海浪风险认证注释和所述第二异常状态趋势权重注释是基于正确标签所得；
31、将所述第二海洋状态观测数据、所述第二先验海浪风险认证注释、以及所述第二异常状态趋势权重注释组成所述第二算法调试学习示例。
32、在一些方案中，所述依据所述本文档来自技高网...
【技术保护点】
1.一种基于机器学习的波浪陡度预测方法，其特征在于，应用于海浪风险监测预警系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标海浪风险监测预警算法的调试步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，包括：
6.根据权利要求5所述的方法，其特征在于，所述基础海浪风险监测预警算法包括基础知识碰撞分支以及对应每个监测预警事项的基础监测判别分支，所述将所述第一海洋状态观测数据在所述基础海浪风险监测预警算法中进行前馈处理，得到对应所述第一先验海浪风险认证注释的第一判别可能性
7.根据权利要求2所述的方法，其特征在于，所述获取携带正确注释的第二算法调试学习示例，包括：
8.根据权利要求2所述的方法，其特征在于，所述依据所述第二海浪风险监测预警算法获取用于实施所述联动监测预警事项的目标海浪风险监测预警算法，包括：
9.根据权利要求2所述的方法，其特征在于，当所述第一算法调试学习示例还包括所述第一海洋状态观测数据的第一海灾状态趋势权重注释时，所述联动监测预警事项还包括海灾状态趋势权重判别事项，所述通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，包括：
10.一种海浪风险监测预警系统，其特征在于，所述海浪风险监测预警系统包括包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种基于机器学习的波浪陡度预测方法，其特征在于，应用于海浪风险监测预警系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标海浪风险监测预警算法的调试步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述依据所述第一海洋状态观测数据的每个所述第一海洋状态观测信息的第一时序标签以及第二时序标签，从所述第一海洋状态观测数据对应的海域监测图像中获取每个所述第一海洋状态观测信息的海洋状态观测图像表征向量，包括：
5.根据权利要求2所述的方法，其特征在于，所述通过所述第一算法调试学习示例对基础海浪风险监测预警算法进行基于联动监测预警事项的第一调试操作，得到第一海浪风险监测预警算法，包括：
6.根据权利要求5所述的方法，其特征在于，所述基础海浪风险监测预警算法包括基础知识碰撞分支以及对应每个监测预警事项的基础监测判别分支，所述将所述第一海洋状态观测数据在所述基础海浪风险监测预警算法中进行前馈处理，得到对应所述第一...
【专利技术属性】
技术研发人员：郑江平，王新，全利红，张怡驰，葛畅，王晓峰，王晗晓昕，徐立，
申请(专利权)人：北京全球气象导航技术有限公司，
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。