公开(公告)号：CN119128534B

公开(公告)日：2025-02-07

申请号：CN202411630251.8

申请日：2024-11-15

Applicant: 南京信息工程大学

Inventor： 王丽娜 ,  吕路莹

IPC: G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应时空图神经网络的海表温度预测方法，包括以下步骤：（1）采用NOAA官网提供的最优插值海温OISST数据集，选取渤海和东海海域的二维海表温度数据；（2）对采集到的二维数据集进行数据预处理，得到具有时间编码的时空数据，以及初始邻接矩阵；并将其划分为训练集、验证集和测试集；（3）构建基于自适应时空图卷积网络的SST预测模型；其中，SST预测模型包括：时空预测模块、图学习模块、邻接矩阵更新模块；（4）将测试集输入至训练好的所述模型中进行预测，并对结果进行反标准化处理，与观测值计算得出预测误差；本发明提高了预测能力。

公开(公告)号：CN119128534A

公开(公告)日：2024-12-13

申请号：CN202411630251.8

申请日：2024-11-15

Applicant: 南京信息工程大学

Inventor： 王丽娜 ,  吕路莹

IPC: G06F18/214 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应时空图神经网络的海表温度预测方法，包括以下步骤：（1）采用NOAA官网提供的最优插值海温OISST数据集，选取渤海和东海海域的二维海表温度数据；（2）对采集到的二维数据集进行数据预处理，得到具有时间编码的时空数据，以及初始邻接矩阵；并将其划分为训练集、验证集和测试集；（3）构建基于自适应时空图卷积网络的SST预测模型；其中，SST预测模型包括：时空预测模块、图学习模块、邻接矩阵更新模块；（4）将测试集输入至训练好的所述模型中进行预测，并对结果进行反标准化处理，与观测值计算得出预测误差；本发明提高了预测能力。