(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111419175.2 (22)申请日 2021.11.26 (71)申请人 中国石油大 学 （华东） 地址 266580 山东省青岛市黄岛区长江西 路66号 (72)发明人 宋弢　魏伟　徐丹亚　王家荣　 韩润生　孟凡　 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的海洋表面温度场预测 方法 (57)摘要 本发明公开了一种基于深度学习的海洋表 面温度场预测方法， 属于海洋观测技术领域， 该 方法首先获取含有海洋表面多个特征的数据样 本库， 对不同特征进行预处理， 得到具有时空关 联性的海洋表 面温度场时空样 本库； 其次基于所 述的海洋表 面温度场时空样本库， 利用卷积长短 期记忆网络建立海洋表面 温度预测模 型： 预测模 型的输入为过去多个时刻 的多个海洋表面环境 特征， 包括海表面温度、 海表面盐度、 海面高度， 模型的输 出为海洋表面未来时刻的温度场数据； 预测模型的最终输 出为目标海 域t+1， t+2,t+3时 刻的预测温度场。 本发明利用深度学习的强非线 性映射能力和多模态融合能力来开展海洋表面 温度场的预测研究， 实现了海洋表面温度场及 时、 准确、 轻量 化的预测。 权利要求书2页 说明书5页 附图1页 CN 114399073 A 2022.04.26 CN 114399073 A 1.一种基于深度学习的海洋三维温度场反演方法， 其特征在于， 首先获取含有海洋表 面特征的数据样本库， 对不同特征进行预处理， 得到具有时空关联性的海洋三维温度场样 本库； 其次基于所述的海洋三维温度场样本库， 利用卷积长短期记忆网络建立海洋三维温 盐场反演模型： 反演模型的输入为海洋环境特征， 包括海表面 温度、 海表面盐度、 海面风， 反 演模型的输出为海洋次表面的温度场数据； 反演模型的最终输出为海面下100米、 200米、 500米、 1000米及2000米的反演温度场。 本发 明利用深度学习的强非线性映射能力和多模态 融合能力来开展海洋三 维时空温度场的反演分析， 实现了次表层温度场及时、 准确、 轻量化 反演。 2.如权利要求1所述的方法， 其特 征在于， 具体步骤如下： (1)基于海洋再分析资料构建海洋三维温度场样本库 获取融合了卫星观测、 再分析处理的海洋三维初始数据集， 同时对样本进行预处理， 提 取得到对应的三维温度场特 征样本库； (2)构建海洋三维温度场反演模型 基于所述三维温度场特征样本库， 利用卷积长短期记忆网络建立海洋三维温盐场反演 模型： 反演模 型的输入为环境特征， 包括海表 面温度、 海表面盐度、 海面风， 反演模 型的输出 为海洋次表面的温度场数据； 该步骤具体为： S1： 将所述海表面环境特征进行归一化处理， 将不同的输入因素输入归一化网络 中， 最 后融合得到t时刻的五 维张量作为Co nvLSTM神经网络模型的输入； S2： 考虑到不同海表面特征对次表面温度场反演的贡献值大小是不同的， 因此我们引 入了Attention机制， 对不同输入特征的重要性权重进行分配， 在ConvLSTM每一步输出上建 立注意力 分配机制： 对目标反演结果贡献大 的特征分配较高的注意力值， 贡献小的特征分 配较小注意力值， 注意力值由模型在训练过程中自动学习获得， 能够刻画不同海表面特征 对次表面温度场反演的差异化贡献； S3： 根据步骤(1)的构 建海洋三维温度场样本库， 作 为训练数据训练模型， 输入参数为t 时刻的海表面环境特征， 反演预报t时刻对应不同深度海洋次表面的温度场， 输出为t时刻 某一深度的次表面温度场。 3.如权利要求1所述的海洋三维温度场反演方法， 其特征在于， 该方法还包括步骤(3) 海洋三维温度场反演模型验证和优化： 利用独立验证数据集对构建的三 维温度场模型开展 验证， 并针对验证结果， 调整模型参数， 不断优化温度场反演的模型， 最终得到高精度的海 洋三维温度场反演模型。 4.如权利要求1所述的海洋三维温度场反演方法， 其特征在于， 所述步骤(1)中， 通过 Argo、 SODA、 REDOS等多个再分析数据集， 获取原始数据， 同时针对数据的缺失值和异常值， 进行预处理。 缺失值处理方式为全局平均插值法， 异常值的处理方式为舍弃当个时间点的 数据。 5.如权利要求1所述的海洋三维温度场反演方法， 其特征在于， 所述步骤(3)中， 设定两 个指标来定量衡量内波传播预报的结果， 第一个指标是反演的温度场和再分析数据集温度 场的均方根 误差(RMSE)：权　利　要　求　书 1/2 页 2 CN 114399073 A 2其中， ypre表示模型输出的温度值， yobs表示实际观测 资料中的温度值， m表示一次测试 集中沿时间顺序输入的温度场的数量。 第二个衡量指标是反演场的温度与实际观测值之间的平均绝对值误差(MSE)， 用于衡 量预测值 误差的平均模长， 计算公式表示 为： 其中， ypre和yobs分别表示模型的反演预测值和真实的观测值。权　利　要　求　书 2/2 页 3 CN 114399073 A 3