【技术实现步骤摘要】
本专利技术涉及海洋数据在线预测，特别是涉及基于时间卷积网络的海洋数据在线预测与检测方法及系统。
技术介绍
1、现如今，海洋观测手段包括台站、浮标、船只等，产生了大量的海洋数据，涵盖了海洋气象、盐度、温度等多种复杂变量。因此，海洋数据在线预测已经成为一项重要挑战。海洋数据是实时产生的，然而目前的深度学习模型通常采用基于离线学习的范式构建，这种算法只适用于数据分布变化幅度不大的离线场景，在海洋环境实时数据计算处理中无法保证性能。
2、面向海洋数据分布变化导致的推理难题，基于在线学习方法提升对海洋数据的智能分析能力。海洋数据中的“概念漂移”现象，即数据分布随时间不可预见地变化，模型无法实时适应这种变化，进而影响结果准确性。如果不加以处理，概念漂移可能会对海洋数据的分析和预测造成重大影响。
3、在海洋时序预测发展的历程中，通常采用传统的深度学习方法，定期更新模型以为模型注入新知识，但两次更新间隔的时期，数据的分布可能会发生变化，导致模型在新数据上的表现下降，从而对海洋观测系统产生极大的威胁。因此，通过数据流进行快速、即时...
【技术保护点】
1.基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，包括：
2.如权利要求1所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述构建自适应时间卷积网络，包括：
3.如权利要求2所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述第一改进型残差模块，用于在时序数据上放大或缩小特征维度来提取不同时间尺度下的特征，以及对齐不同时间尺度的数据；
4.如权利要求2所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述多头注意力机制层，包括：并列的第五分支、第六分支和第七分支；所述第五分支、第六分...
【技术特征摘要】
1.基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，包括：
2.如权利要求1所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述构建自适应时间卷积网络，包括：
3.如权利要求2所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述第一改进型残差模块，用于在时序数据上放大或缩小特征维度来提取不同时间尺度下的特征，以及对齐不同时间尺度的数据；
4.如权利要求2所述的基于时间卷积网络的海洋数据在线预测与检测方法，其特征是，所述多头注意力机制层，包括：并列的第五分支、第六分支和第七分支；所述第五分支、第六分支和第七分支，均包括：若干个串联的线性层；第五分支的输入端用于输入查询向量query、第六分支的输入端用于输入键向量key、第七分支的输入端用于输入值向量value；
【专利技术属性】
技术研发人员：赵志刚，李恩京，李响，王春晓，王英龙，李传涛，耿丽婷，郝彤阳，吴顺芳，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
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。