摘要
本发明公开了高分辨率海表面二维风场预报方法及系统,涉及人工智能技术领域,构建以深度可分离卷积为主要骨架的U形深度二维卷积神经网络的海表面风场时空变化二维场预报分析模型,采用2D深度可分离卷积层,搭建深度编码解码器,组建U形深度二维卷积神经网络模型,引入残差学习机制,将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间;引入多头注意力机制模块,将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵;使用训练好的模型对二维风场信息进行预报。本发明能够对高分辨率二维风场随时间变化的空间分布进行精细化动态预报,提前预报并掌握海上风场和极端风速的间歇性突变规律。
技术关键词
二维卷积神经网络
预报方法
多头注意力机制
气象
风场
编码解码器
残差学习
风速
深度编码
因子权重
残差模块
矩阵
多模态
交叉验证方法
变量
预报系统
序列
系统为您推荐了相关专利信息
敏感性分析方法
构建知识图谱
网络
节点
多头注意力机制
水源地取水口
咸潮入侵
深度学习数据集
深度学习模型
因子
气象预报数据
机组运行数据
风电机组
特征提取模型
空间降尺度
制图方法
计算机视觉
主动学习策略
特征加权融合
dice损失函数