【技术实现步骤摘要】
本专利技术属于数据处理领域，尤其涉及一种协同气象要素影响机制的海气数据耦合方法。
技术介绍
1、气象预报在现代社会中扮演着至关重要的角色，在保障公共安全、支持农业生产、促进交通运输、支持能源生产、促进旅游业发展以及支持环境保护等方面发挥着至关重要的作用。随着新技术的发展演变，大模型逐步在气象预报中扮演着重要角色。采用机器学习的方式，通过新技术逐步替代传统的数值预报方法，实现对天气的预报，提高预报的速度与准确性。海气耦合大模型是一种综合了海洋和大气动力学的复杂深度学习模型，用于模拟和预测海洋和大气之间相互作用的复杂过程。该模型能够有效地模拟海洋表面的温度、盐度、海流等海洋要素与大气中的温度、湿度、风速等大气要素之间的相互作用，从而实现海洋和大气的耦合模拟。
2、相较于传统的气象大模型，海气耦合气象大模型对输入数据具有更高的要求。为了满足输入数据的要求，在训练模型前，需要对输入的海洋数据和大气数据进行耦合。然而，海洋数据与大气数据的分辨率可能不同，并且由于海洋与陆地本身存在的差异，导致海洋数据在陆地部分本身就是空缺的，所以必须对...
【技术保护点】
1.一种协同气象要素影响机制的海气数据耦合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤1具体包括如下步骤：
3.根据权利要求1所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤2具体包括如下步骤：
4.根据权利要求3所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤2.4中，所述得分矩阵 的元素表示为：
5.根据权利要求3所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤2.6具体为：计算主成分与目标...
【技术特征摘要】
1.一种协同气象要素影响机制的海气数据耦合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤1具体包括如下步骤：
3.根据权利要求1所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤2具体包括如下步骤：
4.根据权利要求3所述的一种协同气象要素影响机制的海气数据耦合方法，其特征在于，步骤2.4中，所述得分矩阵 的元素表示为：
5.根据权利要求3所述的一种协同气象要素影响机制的海...
【专利技术属性】
技术研发人员：孟凡，杨鹏，罗京佳，潘志庚，林贤煊，彭莉，郭嘉源，
申请(专利权)人：南京信息工程大学，
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。