公开(公告)号：CN117709529A

公开(公告)日：2024-03-15

申请号：CN202311713437.5

申请日：2023-12-13

Applicant: 浙江大学

Inventor： 梁舒晨 ,  覃梦娇 ,  赵桉铭 ,  胡林舒 ,  吴森森

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明提出了一种基于图神经网络的海洋表面温度预测方法，属于深度学习模型预测领域。本发明基于空间距离和皮尔森相关系数的连边策略，将数据转化为图结构，从而实现海域信息完整表达；通过设计基于迭代式图神经网络的静态图编码器，整合边特征并形成多层信息传递，对热量传输过程进行深入表征；随后，构建包含静态图编码器、时序编码器和全连接层解码器的图记忆神经网络，对海洋表面温度进行预测。本发明将海洋表面温度数据以图的方式进行编码，在多个预测步长上均表现出较对比方法更优越的泛化能力，克服了现有模型未充分考虑空间信息的不足，提升了图神经网络对海表温度预测的精度。

公开(公告)号：CN113806349B

公开(公告)日：2022-02-18

申请号：CN202111369399.7

申请日：2021-11-18

Applicant: 浙江大学

Inventor： 杜震洪 ,  覃梦娇 ,  张丰 ,  汪愿愿 ,  吴森森 ,  刘仁义

IPC: G06F16/215 ,  G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多视图学习的时空缺失数据补全方法、装置及介质，该方法针对海量多类型的环境监测数据集，对其中的每个数据缺失监测站点构建包含监测站点、监测时间、监测参数三个维度的数据张量，并分解出三个混合视图矩阵，运用矩阵完备算法对构建的三个混合视图从局部和全局尺度进行缺失数据估算，再基于人工深度神经网络进行多视图学习，得到最终监测参数缺失值的估算结果。本发明能够实现环境监测数据集的缺失值补全，在海洋环境监测、智慧城市发展等领域具有重要的意义。

公开(公告)号：CN113704565B

公开(公告)日：2022-02-18

申请号：CN202111259608.2

申请日：2021-10-28

Applicant: 浙江大学

Inventor： 胡林舒 ,  张丰 ,  陈宁华 ,  覃梦娇 ,  汪愿愿 ,  吴森森 ,  杜震洪 ,  傅晨华

IPC: G06F16/901 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于全局区间误差的学习型时空索引方法、装置及介质。该索引方法分为索引模型构建与基于索引模型的范围检索两大流程，是一种多向学习型时空索引。索引模型构建时需要对重复数据进行聚合，然后将数据转化为均匀分布，再对索引模型进行训练；基于索引模型的范围检索时，需要将检索范围转化至均匀分布数据空间，再对各个维度独立进行位置分布范围检索，最后将各个维度的位置分布范围交叉比对，确定最终的多维检索返回结果。该索引方法相较于常用时空树形索引具有更优的时空范围检索性能，特别是索引模型构建流程中的重复数据聚合操作与数据空间转换操作，对于其优越性起到了有效地提升作用。

公开(公告)号：CN119623523A

公开(公告)日：2025-03-14

申请号：CN202411669225.6

申请日：2024-11-21

Applicant: 浙江大学

Inventor： 赵桉铭 ,  戚劲 ,  吴森森 ,  覃梦娇 ,  杜震洪

IPC: G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于时空融合神经网络的ENSO预测方法、系统及设备，属于深度学习模型预测领域。本发明设计了一种时空融合Transformer网络，该网络设计了一种并行的编码‑解码器结构，可以同时有效地从海洋表面温度数据和#imgabs0#指数中提取时空信息，从而提高#imgabs1#指数预测的精度。同时，该网络利用其编码器中的注意机制提取全局特征，并建立对目标的远程依赖关系。本发明在多个预测提前期上表现出较对比方法更优越的预测能力，缓解了现有ENSO预测方法随预测提前期的增加而低估ENSO事件幅度的问题，提升了预测ENSO的精度。

公开(公告)号：CN117669829A

公开(公告)日：2024-03-08

申请号：CN202311707780.9

申请日：2023-12-13

Applicant: 浙江大学

Inventor： 顾浩祺 ,  覃梦娇 ,  胡林舒 ,  杜震洪

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于空间注意力机制深度网络的北极海冰预测方法，将待检测海冰数据输入到每个北极海冰预测模型中，采用不同的温度系数对北极海冰浓度级别的概率分布进行温度缩放，然后按对应月份平均集成，最后选择平均集成后的概率分布均值中的概率最大值，输出概率最大值对应的北极海冰浓度数据分类结果，完成北极海冰的预测。本发明通过在U‑Net模型中添加基于网格的门控注意力机制，对无关区域的激活进行抑制、强化与任务相关的区域的激活并使注意力系数具体到局部区域，进而有效提升模型的长期预测能力。本发明提出的北极海冰预测模型能够更加准确地预测海冰出现的范围，并在极端海冰事件时也能保持较好的性能。

公开(公告)号：CN115796359A

公开(公告)日：2023-03-14

申请号：CN202211506538.0

申请日：2022-11-28

Applicant: 浙江大学

Inventor： 汪愿愿 ,  周洪叶 ,  覃梦娇

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于深度Koopman算符的PM2.5时空预测方法，属于地理信息技术(GIS)领域。该方法针对海量PM2.5监测数据，基于Koopman算符，融合图嵌入方法以及编码器‑解码器，构建Koopman线性不变子空间映射网络，利用深度学习实现时空动力系统内在模式表征，从而进行动力系统的重构，可实现PM2.5站点浓度的小时级预测。本发明能够实现PM2.5站点浓度的时空预测，在大气环境监测、智慧城市发展等领域具有重要的意义。

公开(公告)号：CN113806349A

公开(公告)日：2021-12-17

申请号：CN202111369399.7

申请日：2021-11-18

Applicant: 浙江大学

Inventor： 杜震洪 ,  覃梦娇 ,  张丰 ,  汪愿愿 ,  吴森森 ,  刘仁义

IPC: G06F16/215 ,  G06F16/29 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多视图学习的时空缺失数据补全方法、装置及介质，该方法针对海量多类型的环境监测数据集，对其中的每个数据缺失监测站点构建包含监测站点、监测时间、监测参数三个维度的数据张量，并分解出三个混合视图矩阵，运用矩阵完备算法对构建的三个混合视图从局部和全局尺度进行缺失数据估算，再基于人工深度神经网络进行多视图学习，得到最终监测参数缺失值的估算结果。本发明能够实现环境监测数据集的缺失值补全，在海洋环境监测、智慧城市发展等领域具有重要的意义。

公开(公告)号：CN113704565A

公开(公告)日：2021-11-26

申请号：CN202111259608.2

申请日：2021-10-28

Applicant: 浙江大学

Inventor： 胡林舒 ,  张丰 ,  陈宁华 ,  覃梦娇 ,  汪愿愿 ,  吴森森 ,  杜震洪 ,  傅晨华

IPC: G06F16/901 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于全局区间误差的学习型时空索引方法、装置及介质。该索引方法分为索引模型构建与基于索引模型的范围检索两大流程，是一种多向学习型时空索引。索引模型构建时需要对重复数据进行聚合，然后将数据转化为均匀分布，再对索引模型进行训练；基于索引模型的范围检索时，需要将检索范围转化至均匀分布数据空间，再对各个维度独立进行位置分布范围检索，最后将各个维度的位置分布范围交叉比对，确定最终的多维检索返回结果。该索引方法相较于常用时空树形索引具有更优的时空范围检索性能，特别是索引模型构建流程中的重复数据聚合操作与数据空间转换操作，对于其优越性起到了有效地提升作用。