公开(公告)号：CN111680784B

公开(公告)日：2023-10-24

申请号：CN202010461315.1

申请日：2020-05-27

Applicant: 上海大学

Inventor： 谢江 ,  张吉缘 ,  徐凌宇

IPC: G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明提出了基于时空多维影响力的海面温度深度学习预测方法。本发明方法包含三个步骤：1、量化空间影响力：利用目标观测点的邻居观测点海面温度数据量化它所受到的空间影响力，并且在目标海域上构建多维时空海面温度数据集。2、数据补全处理：使用邻居数据均值法对数据集进行数据补全处理。3、建立预测模型：结合GRU、CNN和MLP等深度学习技术，建立基于时空多维影响力的海面温度深度学习预测模型，即卷积门控循环单元多层感知机(Convolutional GRU with Multilayer Perceptron,CGMP)。该方法融合了时空多维影响力，结合了深度学习技术的方式，建立了一种精度高的海面温度预测模型，并且可以被广泛地应用到不同海域和不同尺度的海面温度预测中。

公开(公告)号：CN111680784A

公开(公告)日：2020-09-18

申请号：CN202010461315.1

申请日：2020-05-27

Applicant: 上海大学

Inventor： 谢江 ,  张吉缘 ,  徐凌宇

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明提出了基于时空多维影响力的海面温度深度学习预测方法。本发明方法包含三个步骤：1、量化空间影响力：利用目标观测点的邻居观测点海面温度数据量化它所受到的空间影响力，并且在目标海域上构建多维时空海面温度数据集。2、数据补全处理：使用邻居数据均值法对数据集进行数据补全处理。3、建立预测模型：结合GRU、CNN和MLP等深度学习技术，建立基于时空多维影响力的海面温度深度学习预测模型，即卷积门控循环单元多层感知机(Convolutional GRU with Multilayer Perceptron,CGMP)。该方法融合了时空多维影响力，结合了深度学习技术的方式，建立了一种精度高的海面温度预测模型，并且可以被广泛地应用到不同海域和不同尺度的海面温度预测中。