-
公开(公告)号：CN109460874B
公开(公告)日：2022-03-08
申请号：CN201811380116.7
申请日：2018-11-19
Applicant: 厦门大学
Abstract: 一种基于深度学习的有义波高预测方法，涉及海洋波高预测领域，首先利用待预测位置有义波高历史数据和粒子群算法(Particle Swam Optimization,PSO)确定深度学习模型条件受限玻尔兹曼机‑深度置信网络(Conditional Restricted Boltzmann Machine‑Deep Belief Network,CRBM‑DBN)的关键结构参数，然后以高斯归一化处理后的有义波高历史数据进行模型的预训练，使用预训练得到的模型的权重和偏置作为初始值，结合后向传播(Backward Propagation,BP)网络对模型进行反向调优，优化确定模型，最后以此模型进行有义波高的预测。本发明能够有效提高有义波高的短期预测精度，对海洋工程应用，尤其对海洋结构物和船舶设计等意义重大。
-
公开(公告)号：CN107341568B
公开(公告)日：2020-12-18
申请号：CN201710469384.5
申请日：2017-06-20
IPC: G06Q10/04
Abstract: 本发明涉及风暴增水预测领域，尤其涉及一种台风风暴增水预测方法及系统。本发明通过台风当前的经纬度坐标和当前台风信息，得到第一时间后台风中心所位于的圆区域，将圆区域细分为若干个网格子区域，并根据台风的经过衰减或增强后的预报台风信息，对所有网格子区域的顶点经纬度坐标，获取预设本地信息数据库中相应的风暴增水数据；本发明提高了各个网格子区域顶点经纬度坐标和预报台风信息对应的风暴增水数据的预测精度，并且能够满足风暴潮精细化预报和政府防灾决策的需求。
-
公开(公告)号：CN107193060B
公开(公告)日：2019-08-20
申请号：CN201710469737.1
申请日：2017-06-20
IPC: G01W1/10
Abstract: 本发明涉及风暴潮预测领域，尤其涉及一种多路径台风风暴潮快速预测方法一种多路径台风风暴潮快速预测方法及系统。本发明通过当前台风的当前台风信息，能够得到第一时间后的台风影响的圆区域，通过将圆区域划分为若干个网格子区域，并根据所有所述网格子区域的顶点所在的经纬度坐标和当前台风信息，得到当前台风的多条预测移动路径，根据事先预设好的本地信息数据库，按照预设时间间隔获取所述第一时间内台风从当前台风中心所在位置沿着每一条预测移动路径移动过程中台风中心所在的经纬度坐标对应的风暴增水数据。本发明提高了每一条预测移动路径上台风风暴增水预测的精确度；同时能够满足风暴潮精细化预报和政府防灾决策的需求。
-
公开(公告)号：CN107193060A
公开(公告)日：2017-09-22
申请号：CN201710469737.1
申请日：2017-06-20
IPC: G01W1/10
Abstract: 本发明涉及风暴潮预测领域，尤其涉及一种多路径台风风暴潮快速预测方法一种多路径台风风暴潮快速预测方法及系统。本发明通过当前台风的当前台风信息，能够得到第一时间后的台风影响的圆区域，通过将圆区域划分为若干个网格子区域，并根据所有所述网格子区域的顶点所在的经纬度坐标和当前台风信息，得到当前台风的多条预测移动路径，根据事先预设好的本地信息数据库，按照预设时间间隔获取所述第一时间内台风从当前台风中心所在位置沿着每一条预测移动路径移动过程中台风中心所在的经纬度坐标对应的风暴增水数据。本发明提高了每一条预测移动路径上台风风暴增水预测的精确度；同时能够满足风暴潮精细化预报和政府防灾决策的需求。
-
公开(公告)号：CN116402218A
公开(公告)日：2023-07-07
申请号：CN202310361122.2
申请日：2023-04-06
Applicant: 厦门大学
IPC: G06Q10/04 , G06F18/214 , G06N3/045 , G06N3/0455 , G06N3/049 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于时间序列Transformer的海水表层温度预测方法，首先对海表温度历史数据进行高斯归一化处理，划分训练集和验证集，然后对编码器输入、解码器输入和输出标签进行设置，接着分别对编码器输入和解码器输入进行时序嵌入操作，并进行编码器层的多头注意力层、前馈神经网络层、以及残差连接和层归一化操作，以及解码器层的遮挡多头注意力层、多头注意力层、前馈神经网络层、以及残差连接和层归一化操作，然后解码器输出经过一个线性全连接层得到网络输出，和海表温度观测进行比较，得到误差后向传播，微调网络，最后网络输出经过尺度逆变换，得到最终预测值。本发明时间序列Transformer能有效提升海表温度的长期预测表现。
-
Patent Agency Ranking
公开(公告)号：CN109460874A
公开(公告)日：2019-03-12
申请号：CN201811380116.7
申请日：2018-11-19
Applicant: 厦门大学
Abstract: 一种基于深度学习的有义波高预测方法，涉及海洋波高预测领域，首先利用待预测位置有义波高历史数据和粒子群算法(Particle Swam Optimization,PSO)确定深度学习模型条件受限玻尔兹曼机-深度置信网络(Conditional Restricted Boltzmann Machine-Deep Belief Network,CRBM-DBN)的关键结构参数，然后以高斯归一化处理后的有义波高历史数据进行模型的预训练，使用预训练得到的模型的权重和偏置作为初始值，结合后向传播(Backward Propagation,BP)网络对模型进行反向调优，优化确定模型，最后以此模型进行有义波高的预测。本发明能够有效提高有义波高的短期预测精度，对海洋工程应用，尤其对海洋结构物和船舶设计等意义重大。
-
公开(公告)号：CN109211726A
公开(公告)日：2019-01-15
申请号：CN201811379819.8
申请日：2018-11-19
Applicant: 厦门大学
IPC: G01N9/00
Abstract: 一种在线谐振式密度计校准装置,涉及在线密度计校准领域，被检密度计的两端分别与高压管路连接，高压管路上靠近被检密度计的一端依次设有第一温度表、第一压力表、第一阀门和循环泵；高压管路上靠近被检密度计的另一端依次设有第二温度表、第二压力表、第二阀门和三向旋塞阀；循环泵和三向旋塞阀之间设有恒温槽，三向旋塞阀的第一端与第二阀门连接，三向旋塞阀的第二端通过高压管路与恒温槽连通，三向旋塞阀的第三端通过高压管路依次连接有第三阀门和增压泵。本发明可独立依次标定出在线密度计的仪器系数、温度修正系数、压力修正系数和温度-压力耦合影响补偿系数，且本发明面向对象较广，可用于校准多种在线谐振式密度计。
-
公开(公告)号：CN106525006A
公开(公告)日：2017-03-22
申请号：CN201610965245.7
申请日：2016-10-28
Applicant: 厦门大学
IPC: G01C13/00
CPC classification number: Y02A90/32 , G01C13/002
Abstract: 一种表层波流移动观测系统，涉及海洋波浪、海流观测。设有观测平台和岸站数据收发平台，观测平台设有标体、温度传感器、电池组、太阳能板、航标灯、电池组支撑架、仪器舱和配重块；标体由上下端盖组成，航标灯设在观测平台上端盖外表面上，温度传感器设在下端盖外表面上，太阳能板、仪器舱设在标体内，电池组设在仪器舱底部，电池组支撑架设在电池组的底部，配重块设在电池组支撑架的底部，仪器舱内设有GPS接收机、惯性测量单元、通讯模块、数据收发电路；GPS接收机的接收天线设在仪器舱上，通讯模块的接收天线设在仪器舱上，GPS接收机、惯性测量单元、温度传感器、通讯模块分别与数据收发电路连接；观测平台通过通讯模块与岸站数据收发平台通讯。
-
公开(公告)号：CN112541620B
公开(公告)日：2023-11-03
申请号：CN202011381610.2
申请日：2017-06-20
IPC: G06Q10/04
Abstract: 本发明涉及风暴增水预测领域，尤其涉及一种预测精度及效率高的台风风暴增水预测方法及系统。本发明通过台风当前的经纬度坐标和当前台风信息，得到第一时间后台风中心所位于的圆区域，将圆区域细分为若干个网格子区域，并根据台风的经过衰减或增强后的预报台风信息，对所有网格子区域的顶点经纬度坐标，获取预设本地信息数据库中相应的风暴增水数据；本发明提高了各个网格子区域顶点经纬度坐标和预报台风信息对应的风暴增水数据的预测精度，并且能够满足风暴潮精细化预报和政府防灾决策的需求。
-
公开(公告)号：CN116467933A
公开(公告)日：2023-07-21
申请号：CN202310279148.2
申请日：2023-03-21
Applicant: 厦门大学
IPC: G06F30/27 , G06N3/0442 , G06F113/08 , G06F111/10 , G06F119/02 , G06F119/14
Abstract: 本申请公开了一种基于深度学习的风暴潮增水预测方法及系统，其中该方法包括：获取风暴潮数据集，风暴潮数据集包括多场台风风暴潮数据文件，每场台风风暴潮数据文件包括每个时刻对应的台风信息和风暴潮增水信息；对每个时刻对应的台风信息和风暴潮增水信息进行数据预处理，以得到预处理后的风暴潮数据集；获取当前时刻和所需提前预报时刻，并将当前时刻到所需提前预报时刻中的每个时刻对应的台风信息和所需提前预报时刻的风暴潮增水信息作为一个时序列，以便构造时序列数据集；构建风暴潮增水预测模型，并将时序列数据集输入到风暴潮增水预测模型进行训练，以便采用训练好的风暴潮增水预测模型进行风暴潮增水预测，从而使得预测效率高且预测期长。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.017 seconds)
