【技术实现步骤摘要】
本专利技术涉及海洋科学和机器学习，尤其涉及基于条件信息生成缺失特征的海洋数据重构方法。
技术介绍
1、针对“传统线性方法模型过于简单、数值模式方法计算复杂，导致多源异构海洋环境数据难以有效融合”的问题，专利号为cn202211050583.x，名称为“基于深度学习的三维海洋环境场智能融合方法及系统”的专利技术专利，通过构建深度学习网络模型，实现多源海洋资料的智能融合，从而生成更接近于观测的三维海洋要素融合场。但由于海洋环境数据的多源、异构、多维度特点，用于融合的数据有效年份各不相同，上述方法在90年代以后海洋资料丰富的时间段效果较好，在历史早期则存在一定的不足。
2、由于海洋卫星出现的时间较晚，早期的海洋现场观测数据较为匮乏，可用于同化的海洋观测种类和数量有限，导致90年代以前的三维格点化数据源精度和一致性较差。而像hycom、soda等高分辨率、高精度的优质数据源起始时间较晚，智能融合方法缺乏覆盖历史早期的高质量数据源，给海洋要素历史重构带来了巨大挑战。针对历史早期缺乏高质量融合数据源的问题，通常的处理方式有两种：一种是历...
【技术保护点】
1.基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述时段划分与样本集构建包括以下步骤：
3.如权利要求1所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述缺失特征生成模型搭建包括以下步骤：
4.如权利要求3所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述损失函数设计中损失函数是基于对抗损失进而设计的，所述损失函数如下式所示：
5.如权利要求4所述的基于条件信息生成缺失特征的海洋数据重...
【技术特征摘要】
1.基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：包括以下步骤：
2.如权利要求1所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述时段划分与样本集构建包括以下步骤：
3.如权利要求1所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述缺失特征生成模型搭建包括以下步骤：
4.如权利要求3所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述损失函数设计中损失函数是基于对抗损失进而设计的，所述损失函数如下式所示：
5.如权利要求4所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述对抗损失计算公式如下式所示：
6.如权利要求1所述的基于条件信息生成缺失特征的海洋数据重构方法，其特征在于：所述缺失特征生成模型的训练与验证是基于p2时段的样本集ds1，通过对比生成的融合数据源和真实的融合数据源之间...
【专利技术属性】
技术研发人员：王明清，王丹妮，过莹烨，许立兵，周峥，
申请(专利权)人：无锡九方科技有限公司，
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。