一种基于多特征融合与物理约束的冰情预测方法

AITNT
正文
推荐专利
一种基于多特征融合与物理约束的冰情预测方法
申请号:CN202510830982
申请日期:2025-06-20
公开号:CN120671088A
公开日期:2025-09-19
类型:发明专利
摘要
一种基于多特征融合与物理约束的冰情预测方法,属于水文预报技术领域。首先,收集目标区域的各类型数据并进行预处理作为数据集,提取各类型数据特征,对获取的图像特征、时间序列特征和环境特征采用多头注意力机制进行特征融合,生成融合特征向量。其次,采用物理信息神经网络模型,以融合特征向量为输入,以冰厚和冰应力为输出层,以复合损失函数进行约束,使用验证集进行模型调优,通过网络内部的全连接层进行处理,进行预测模型的端到端训练和正则化。最后,通过测试集评估训练得到的最终预测模型,验证其有效性和泛化能力。本发明结合多源多模态观测数据,能够有效捕捉冰面变化与多种因素之间的复杂关系,可提高预测的精度、稳定性和可靠性,提高模型训练的效率和泛化能力。
技术关键词
多头注意力机制 时间序列特征 数据 时序神经网络 物理 应力 样本 水文预报技术 神经网络模型 方程 卫星遥感影像 图像特征向量 门控循环单元 模型超参数 误差 理论 气象
系统为您推荐了相关专利信息
1
IPTV机顶盒质量检测方法、装置、设备及介质
IPTV机顶盒 语义向量 数据 特征提取模型 通道
2
基于改进神经网络的高炉管道压力分析预警系统及方法
高炉管道 分析预警系统 概率分布函数 分析预警方法 压力模块
3
一种分布式电力数据的处理方法、系统、电子设备及介质
分布式电力 数据 网络 编码器结构 非暂态计算机可读存储介质
4
一种意图识别模型的训练方法及装置
意图识别模型 文本 标识 字符 语音交互场景
5
基于共生多智能体强化学习的联邦学习分布式模型优化方法
多智能体强化学习 图像分类模型 客户端 服务器 深度Q网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号