一种基于深度学习的黄渤海海雾预测算法

    公开(公告)号:CN118447287A

    公开(公告)日:2024-08-06

    申请号:CN202311597044.2

    申请日:2023-11-28

    申请人: 天津大学

    摘要: 本发明涉及人工智能海洋学中的海洋信息预测领域,更具体地,涉及到一种基于多维特征聚合与边缘增强的海雾时空预测算法。现有技术主要对特定海域是否会发生海雾进行类别级预测,无法对该海域海雾发生的位置范围进行像素级预测。海雾的生成和空间分布是由多种海洋气象要素的综合影响所决定的,海雾像素级预测需要引入海洋气象要素作为辅助信息。此外,考虑到海雾的复杂性和多变性,边缘区域往往模糊不清。本发明所述的方法设计了多维特征聚合模块,充分捕捉海洋气象要素数据的时空关联性,设计了边缘增强特征提取模块,生成具有位置感知和较强边界轮廓的边缘增强特征。采用本发明所述的方法,极大地提高了海雾的时空预测精度。

    端到端的基于波段选择的高光谱图像变化检测算法

    公开(公告)号:CN117876880A

    公开(公告)日:2024-04-12

    申请号:CN202311634707.3

    申请日:2023-12-01

    申请人: 天津大学

    摘要: 本发明涉及高光谱遥感图像处理领域,更具体地,涉及一种端到端的基于波段选择的高光谱图像变化检测方法。本发明所述方法构建了一个端到端的基于波段选择的高光谱图像变化检测网络,通过消除波段冗余对变化检测的负面影响,从而促进变化检测的性能,并针对宽间隔波段间的特征分布的差异设计了特定波段的空间注意力模块,以增强空间特征的提取。采用本发明所述的高光谱图像变化检测方法,可以有效地提高高光谱图像变化检测的准确率。

    一种基于原型校正的多步海表面高度时空预测算法

    公开(公告)号:CN117875493A

    公开(公告)日:2024-04-12

    申请号:CN202410041069.2

    申请日:2024-01-11

    申请人: 天津大学

    摘要: 本发明涉及人工智能海洋学中的海洋信息预测领域,更具体地,涉及到一种基于原型校正的多步海表面高度时空预测算法。传统基于循环神经网络的时空预测模型在更新记忆状态时,旧的记忆状态会被立即刷新,模型无法有效保留时间序列的长期依赖关系和变化趋势,从而使预测误差随着预测步长的增加而严重累积。本发明所述的方法设计了原型校正时空网络,利用原型校正模块学习样本的原型特征,从而提取时间域中的关键信息,校正当前时间步的海表面高度特征,有效缓解多步预测中的严重误差积累问题;设计了多步信息输入策略,使模型能够从更广泛的时间步长中获得更全面准确的上下文信息。采用本发明所述的方法,极大地提高了多步海表面高度的时空预测精度。