基于深度学习大尺度极端风速预报的航线规划方法及系统

    公开(公告)号:CN119439318A

    公开(公告)日:2025-02-14

    申请号:CN202411542311.0

    申请日:2024-10-31

    Abstract: 本发明公开了一种基于深度学习大尺度极端风速预报的船舶航线规划方法及系统,涉及人工智能和海事航海技术领域。引入增量主成分分析法,构建基于深度可分离卷积的大尺度海表面极端风速预报模型,该模型通过整合注意力机制模块和残差学习算法,将潜在的物理突变扰动信息解码保留在变量的高维映射空间;注意力机制模块将极端风场时间序列中的高维特征信息映射到编码解码器的多维特征矩阵。本发明能够对大尺度海表面极端风速进行精细化动态预报,准确探测极端风速海域及其边界,提前预报并掌握海上极端风速的间歇性突变规律,帮助船舶驾驶员实时动态调整船舶航线,规避恶劣风浪天气,进而保证航行安全。

    高分辨率海上风速二维分布场预报方法及系统

    公开(公告)号:CN119151039A

    公开(公告)日:2024-12-17

    申请号:CN202411129221.9

    申请日:2024-08-16

    Abstract: 本发明公开了高分辨率海表面二维风场预报方法及系统,涉及人工智能技术领域,构建以深度可分离卷积为主要骨架的U形深度二维卷积神经网络的海表面风场时空变化二维场预报分析模型,采用2D深度可分离卷积层,搭建深度编码解码器,组建U形深度二维卷积神经网络模型,引入残差学习机制,将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间;引入多头注意力机制模块,将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵;使用训练好的模型对二维风场信息进行预报。本发明能够对高分辨率二维风场随时间变化的空间分布进行精细化动态预报,提前预报并掌握海上风场和极端风速的间歇性突变规律。

    一种模块自组织的潮汐组合预报方法

    公开(公告)号:CN117669835A

    公开(公告)日:2024-03-08

    申请号:CN202311784083.3

    申请日:2023-12-22

    Abstract: 本发明公开了一种模块自组织的潮汐组合预报方法,结合了调和分析法、在线变结构神经网络预报模型和在线多项式预报模型的优点,分别通过串联和并联的方式进行组合预报,可以有效提高预报精度。本发明通过模块的自组织性提高了预报的精度和运算速度。在线多项式预报和在线变结构神经网络预报的加权属于动态加权预报,不同预报方式的权值系数根据滑动窗口内的历史预报结果在线确定,有助于在系统动态变化时自动确定各不同预报模型的贡献比例,以优化预报结果。本发明所有预报模型均为根据输入输出数据通过自行确定,时间序列的分解阶次也由经验模态分解算法自行确定,节省了系统参数调整时间,提高了运算速度。

Patent Agency Ranking