[发明专利]海面高度预测模型的构建方法、海面高度预测方法及装置

说明书

本发明公开了一种海面高度预测模型的构建方法、海面高度预测方法及装置，包括：在时间维度上根据时间步长，将所选海域的当前时刻和当前时刻之前的海面高度数据从二维扩展到三维，得到三维海面高数据；对每一批三维海面高数据在空间维度上，根据数据点所在的经纬度和批量大小进行划分，形成多个数据集合；将划分后的数据集进行归一化处理；将每个划分后的数据集合输入至长短期记忆网络进行训练；利用注意力机制为训练后的长短期记忆网络输出的每个元素在时间维度构建权重，从而获得海面高度预测模型。从时空的角度来构建海面高度深度学习预测模型，从而实现对海面高度的预测，有效地提高了预测的准确度和效率。

技术领域

本申请涉及预测海面高度技术领域，特别是涉及一种海面高度预测模型的构建方法、海面高度预测方法及装置。

背景技术

海面高度的分析和预测，对研究全球和区域气候具有重要的理论和应用意义。海平面的变化影响着沿海建筑物的建设、近海岸航行以及沿海旅游业等诸多领域。海面高度地分析与预测对于保护沿海低洼地区、预测海洋生态系统变化、促进经济发展、保护环境具有重要意义。

目前实时海面高度主要通过反演卫星遥感数据得到，即得到的观测资料。而海面高度的预测一般是通过数值模式求解的方法得到。相关技术通过利用长短期记忆网络(LSTM)来实现海面高度的预测。长短期记忆网络为一种时间循环神经网络，是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的。

尽管长短期记忆网络可准确预测时间序列，但对于在时间和空间维度上都具有连续性的海面高度值，却无法区分数据在每一个时间步，以及每一个空间域的重要性，因此只能通过不断的训练来提高预测性能，这延长了训练时间，无法区分不同数据的重要性，从而导致海面高度预测的瓶颈。

发明内容

本申请实施例的目的是提供一种海面高度预测模型的构建方法、海面高度预测方法及装置，有效地提高了海面高度的预测准确度。

根据本申请实施例的第一方面，提供一种海面高度预测模型的构建方法，其特征在于，包括：

在时间维度上根据时间步长，将所选海域的当前时刻和当前时刻之前的海面高度数据从二维扩展到三维，得到三维海面高数据；

对每一批三维海面高数据在空间维度上，根据数据点所在的经纬度和批量大小进行划分，形成多个数据集合；

将划分后的数据集进行归一化处理；

将每个划分后的数据集合输入至长短期记忆网络进行训练；

利用注意力机制为训练后的长短期记忆网络输出的每个元素在时间维度构建权重，从而获得海面高度预测模型，并完成海面高度的训练与预测，所述海面高度预测模型用于根据当前已知海面高度计算得到当前时刻的下一时刻的海面高度。

进一步地，在时间维度上根据时间步长，将所选海域的当前时刻和当前时刻之前的海面高度数据从二维扩展到三维，得到三维海面高数据，包括：

确定时间步长，进而确定新增维度的尺寸，用以匹配长短期记忆网络的输入要求；

根据所述时间步长提取海面高数据首段时间步长的数据，形成一个新的二维数据，其仅包含首段时间步长的数据；

将时间步长作为时间窗口，在时间维度上向右滑动一天，作为新的时间窗口，新的时间窗口形成第二个二维数据，其包含第二段时间步长，或新的时间窗口的数据；

依次将时间窗口向右滑动，直到形成所有时间窗口的二维海面高数据；

将所有时间窗口的二维海面高数据合并，最终形成符合长短期记忆网络输入的三维海面高数据。

进一步地，对每一批数据在空间维度上，根据数据点所在的经纬度和批量大小进行划分，形成多个数据集合，包括：