-
公开(公告)号：CN114942480B
公开(公告)日：2023-12-12
申请号：CN202210574183.2
申请日：2022-05-24
Applicant: 国家海洋信息中心
IPC: G01W1/10 , G06N3/0442 , G06N3/048 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于信息感知注意力动态协同网络的海洋站风速预报方法，包括以下步骤：获取目标海洋站及距目标海洋站预设距离范围内的多个其他海洋站的风速时间序列数据；将获取的多点风速时间序列数据输入预先训练好的基于IALSTM网络的风速预测模型，得到目标海洋站未来设定时段内的风速时间序列预测值。本发明充分考虑了空间相关性影响，提高了模型的预测精度和效率。
-
公开(公告)号：CN112364119B
公开(公告)日：2023-04-18
申请号：CN202011392272.2
申请日：2020-12-01
Applicant: 国家海洋信息中心
IPC: G06F16/29 , G06Q10/04 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于LSTM编解码模型的海洋浮标轨迹预测方法，包括：获取海洋浮标的轨迹序列，包括海洋浮标的经度坐标和纬度坐标，所有海洋浮标的轨迹序列构成数据集，将数据集分成训练集和测试集；编码器每一个时间步读取训练集中一个轨迹点周期性编码标准化后的数据，并结合上一时间步的隐层输出生成该步的输出，延时间轴方向不断读取最终转换成固定长度的全局向量表示；解码器基于全局向量表示初始化内部状态，直至模型收敛；将测试集输入至训练好的模型中，得到海洋浮标预测轨迹。本发明能够对海洋浮标的轨迹进行准确预测，对于指导浮标投放具有很大的参考价值。
-
Patent Agency Ranking
公开(公告)号：CN113111140A
公开(公告)日：2021-07-13
申请号：CN202110516907.3
申请日：2021-05-12
Applicant: 国家海洋信息中心
Abstract: 本发明提供了一种快速解析多源海洋业务化观测数据的方法，包括如下步骤S1，接收多源海洋业务化观测数据的原始数据文件，根据智能识别规则进行分类，采用构建的多驱动并行规则窗口按照分类结果分别转发到解析器的不同解析窗口；S2，解析窗口根据配置信息解析原始数据文件，得到标准数据；S3，对标准数据文件进行验证，批量加载存入数据库。本发明方法解决了数据处理技术在特定应用场景中解析速度的问题，同时采用复杂配置规则算法，完成对窗口中的数据计算、排重质控以降低数据计算与存储耗费计算资源的情况。
-
公开(公告)号：CN114996250A
公开(公告)日：2022-09-02
申请号：CN202210571983.9
申请日：2022-05-24
Applicant: 国家海洋信息中心
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于IALSTM网络的海洋站潮位数据填充方法，包括：获取目标海洋站和关联海洋站的潮位数据；将所述关联海洋站的部分潮位数据，作为训练数据，训练IALSTM模型；基于所述IALSTM模型完成对所述目标海洋站的潮位数据缺测的填充。该方法基于目标海洋站潮位和相关站点潮位数据，通过IALSTM深度学习神经网络模型建立关联关系，从而依据邻近站点对海洋站潮位缺测数据进行高精确度填充，提高了资料的完整性与连续性。该方法明显优于传统插值方法，能够有效填充潮位时间序列的缺失值或者未观测值，极大改善潮位数据质量，大幅提升数据使用效率。
-
公开(公告)号：CN114942480A
公开(公告)日：2022-08-26
申请号：CN202210574183.2
申请日：2022-05-24
Applicant: 国家海洋信息中心
Abstract: 本发明公开了一种基于信息感知注意力动态协同网络的海洋站风速预报方法，包括以下步骤：获取目标海洋站及距目标海洋站预设距离范围内的多个其他海洋站的风速时间序列数据；将获取的多点风速时间序列数据输入预先训练好的基于IALSTM网络的风速预测模型，得到目标海洋站未来设定时段内的风速时间序列预测值。本发明充分考虑了空间相关性影响，提高了模型的预测精度和效率。
-
公开(公告)号：CN112862178A
公开(公告)日：2021-05-28
申请号：CN202110145655.8
申请日：2021-02-02
Applicant: 国家海洋信息中心
Abstract: 本发明公开了一种基于深度学习的海洋站水位时空预测方法及装置，该方法包括：获取待预测的海洋站多点水位的观测数据；多点水位的观测数据存在时空映射关系；将多点水位的观测数据输入提前训练后的CNN和LSTM深度学习模型；所述CNN模型用于提取水位空间特征数据；所述LSTM模型用于提取所述水位空间特征数据所对应的水位时间特征数据；基于水位空间特征数据和水位时间特征数据，通过全连接层输出所述待预测的海洋站水位预测结果。该方法可实现针对海洋站水位数据的高精度预报；仅需使用多个海洋站的水位序列数据，不需要使用其它数据；占用资源少，计算速度快。且可用于但不限于海洋站水位预报，也可用于水位要素以外其它要素预报。
-
公开(公告)号：CN106302665A
公开(公告)日：2017-01-04
申请号：CN201610630679.1
申请日：2016-08-02
Applicant: 国家海洋信息中心
IPC: H04L29/08
Abstract: 本发明涉及一种Argo数据业务化系统，包括实时数据接收、处理子系统，实时数据解码入库子系统，实时/延时数据自动质量控制系统，人工浏览审核子系统，查询检索统计导出子系统，数据监控系统，数据服务子系统，业务化运行报告制作系统。本发明从工作平台的角度出发，建立一个Argo业务化运行系统，首先对数据接收和处理的流程和技术细节进行了梳理，形成强壮的业务化接收处理系统，保证数据完整性，继而将数据与管理平台通过数据库进行连接，将数据处理、管理和服务的信息分类整合，尽可能的在一个平台中予以体现，最终形成一个完整的业务化运行体系。
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
