基于ETrans深度学习模型的短期时空海冰厚度预测方法及系统

本发明涉及海冰厚度预测技术领域，特别涉及一种基于ETrans深度学习模型的短期时空海冰厚度预测方法及系统，在时空分解阶段，将海冰厚度的时空数据分解成空间模态EOFs及对应的主成分PCs；在预测阶段，利用Transformer模型进行海冰厚度非线性时序变化的拟合，从而获得包含着冰厚未来时空变化信息的主成分PCs；在重建阶段，将时空分解阶段获得的空间模态EOFs和预测阶段输出的主成分PCs融合，重建冰厚数据，得到最终的冰厚预测结果。本发明提出的ETrans深度学习模型兼顾了经验正交函数(EOF)对整体变化特征的挖掘能力以及Transformer对时序上下文关系的描述能力，通过海冰厚度(SIT)时空分解、预测和重建从海冰观测数据中预测得到短期、高精度的海冰厚度。