公开(公告)号：CN117851775B

公开(公告)日：2025-02-25

申请号：CN202410011116.9

申请日：2024-01-04

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  许金龙 ,  夏景明

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供公开了一种基于深度学习的北极海冰密集度预测方法，具体为，步骤1：获取北极海冰密集度数据和ERA5气象因子数据；步骤2：对气象因子数据进行预处理，步骤3：将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接，得到多源融合数据；步骤4：将步骤3中的多源融合数据按照时间分成n组，建立特征提取网络；该特征提取网络包n个特征提取模块，步骤5：将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中，提取多源融合数据组的时空特征，步骤6：将特征提取网络的输出输入至自适应权重分配网络中，得到海冰密集度预测值。本发明解决了传统时序预测模型注意力集中在末端的问题，有效提升了预测的精确度。

公开(公告)号：CN117851775A

公开(公告)日：2024-04-09

申请号：CN202410011116.9

申请日：2024-01-04

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  许金龙 ,  夏景明

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供公开了一种基于深度学习的北极海冰密集度预测方法，具体为，步骤1：获取北极海冰密集度数据和ERA5气象因子数据；步骤2：对气象因子数据进行预处理，步骤3：将同时刻的北极海冰密集度数据与气象因子数据在通道维度上拼接，得到多源融合数据；步骤4：将步骤3中的多源融合数据按照时间分成n组，建立特征提取网络；该特征提取网络包n个特征提取模块，步骤5：将第n组多源融合数据组输入到特征提取网络的第n个特征提取模块中，提取多源融合数据组的时空特征，步骤6：将特征提取网络的输出输入至自适应权重分配网络中，得到海冰密集度预测值。本发明解决了传统时序预测模型注意力集中在末端的问题，有效提升了预测的精确度。