-
公开(公告)号:CN116842381A
公开(公告)日:2023-10-03
申请号:CN202310701618.X
申请日:2023-06-13
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/084 , G06N3/04 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域,公开了基于数据融合的船舶运动极短期预报模型泛化性优化方法。针对不同工况下船舶运动时历数据特征的差异性,利用多工况数据融合方法融合不同工况下的时历数据,构建相应的训练集,通过深度学习模型的训练提取多工况下运动时历特征,实现多工况下运动时历预报。通过本发明可以实现多种工况条件下的运动时历数据融合训练,实现深度学习神经网络对不同工况条件下的数据特征提取,相应训练所得的预报模型具有更强的泛化性表现,可以针对多种工况条件下的运动时历均保持较好的预报效果。通过该发明可以较好的平衡预报精度与模型适应性,提高船舶相关作业安全的保障能力。
-
公开(公告)号:CN116306318A
公开(公告)日:2023-06-23
申请号:CN202310530474.6
申请日:2023-05-12
Applicant: 青岛哈尔滨工程大学创新发展中心 , 智海融通海洋装备(青岛)有限公司
IPC: G06F30/27 , G06F18/214 , G06N3/044 , G06N3/0464 , G06N3/084 , G06F119/08
Abstract: 本发明属于海洋环境特定变量测量技术领域,公开了基于深度学习的三维海洋温盐场预报方法、系统及设备,构建深度学习模型训练数据集;构建未来水下三维温盐场预报模型;利用未经模型训练的数据集或浮标等实测值对三维温盐场预报结果进行多角度验证;对模型的输出数据进行后处理,将预测出的海洋温度和盐度以二维热力图、等温线、温盐深变化曲线进行可视化并计算误差。本发明将多个深度学习模块进行集成,充分考虑了三维温盐时历的时间和空间的双重特征,提高了预报的准确性;本发明以海表面环境数据作为输入,数据成本低廉易得,大大提高了实际应用价值。
-