一种基于深度学习的北极航线环境风险时空预测方法及系统

本公开涉及北极区域船舶航行环境风险预测应用技术领域，提出了一种基于深度学习的北极航线环境风险时空预测方法及系统，方法包括：获取近期T天区域内时间序列海冰密集度数据与海冰厚度数据，并将其处理为T*X*W形式；基于海冰密集度数据与海冰厚度数据生成航行风险指数结果分布数据；对所述初始时空预测模型进行参数迭代，得到时空预测模型；将所述航行风险指数结果分布数据输入至所述时空预测模型中，输出风险预测的栅格地图；本发明提出了ViTs‑CNN‑CNN架构的深度神经网络并应用到时空预测任务，Swin Transformer通过层次化的结构和局部窗口自注意力机制显著减少了计算复杂度，提高了效率，并取得了优良的效果。