CN110503231A - 一种基于ConvLSTM的海面高度智能预测方法 - Google Patents

一种基于ConvLSTM的海面高度智能预测方法 Download PDF

Info

Publication number
CN110503231A
CN110503231A CN201910456525.9A CN201910456525A CN110503231A CN 110503231 A CN110503231 A CN 110503231A CN 201910456525 A CN201910456525 A CN 201910456525A CN 110503231 A CN110503231 A CN 110503231A
Authority
CN
China
Prior art keywords
convlstm
sea level
level height
present
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910456525.9A
Other languages
English (en)
Inventor
韩宁生
宋弢
江璟瑜
王子赫
丁桐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN201910456525.9A priority Critical patent/CN110503231A/zh
Publication of CN110503231A publication Critical patent/CN110503231A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于ConvLstm神经网络结构的海面高度智能预测方法。本发明将海面高度看成二维时空序列数据，利用ConvLSTM可以预测时空序列信息的特点预测海面高度。本发明设计了具有多条并行子网络的ConvLSTM模型，其可以利用到不同尺度的海面高度信息。本发明在Linux系统的台式机上进行了实验，结果显示我们所设计的ConvLSTM模型在预测海面高度上具有准确率高，速度快的特点。

Description

一种基于ConvLSTM的海面高度智能预测方法
技术领域
本发明涉及一种海面高度的智能预测方法，特别涉及一种基于ConvLSTM神经网络结构的海面高度智能预测方法。
背景技术
海洋作为人类赖以生存和发展的重要空间，拥有丰富的物质和能量资源，是各国战略利益竞争的制高点。我国拥有300多万km2的管辖海域和1.8万km大陆岸线，拥有广泛的海洋战略安全和发展利益。多年来，我国一直致力于海洋事业发展，在海洋科技领域取得了显著成效。
海面平均高度是影响人类生活和生产重要的海洋物理参数之一，是藻类植物生长、鱼类分布、沿海城市洪灾等关系到社会经济、安全问题的关键影响因素之一，且对于研究全球气候变化也有着极其重要的意义。
由于海面高度受季风、洋流、海底地形、温度、盐度等等复杂多样因素的影响，每种影响因素都涉及到复杂的物理原理，其预测一直是难以解决的科学难题，甚至无法用物理和数学公式计算。
近年来，长短时记忆神经网络(LSTM)已经可以智能的预测股市行情、气象变化等关系到民众经济生活的领域，因此可以应用在海面高度的预测上。
ConvLSTM网络是对普通LSTM的改进，其特点是可以利用数据的时空信息预测基于时间序列的二维数值，例如基于时间序列的图像等数据。
发明内容
为了解决现有画面高度预测难题，本发明提出了一种基于ConvLSTM的海面高度预测方法，本发明利用ConvLSTM可以提取数据空间和时间信息的特点，将画面高度看成是经纬度网格上分布的二维数值，通过ConvLSTM同时利用时空信息进行海面高度预测。
本发明所采用的技术方案如下：
一种基于ConvLSTM的海面高度预测方法，包括以下部分：
A、预处理收集到的南海海平面高度(SSH)数据；
B、提取一个目标海平面区域的SSH数据；
C、将提取出的数据集处理成可以训练ConvLSTM的格式；
D、搭建具有多条并行子网络的ConvLSTM神经网络模型。
部分A中，所述收集到的SSH数据是6667天海面高度数据，每四分之一个经纬度网格点为一个观测点，共2000个观测点。6667天的数据分别在6667个DAT文件中，将6667个文件中的数据进行预处理，归一在一个矩阵中。
部分B中，所述提取一个海平面区域是指在2000个经纬度网格点上选取连续不间断的区域。
部分C中，所述的可以训练ConvLSTM的格式是指：数据需要处理成(samples,time,rows, cols,channels)的五维张量。
部分D中，所述搭建ConvLSTM神经网络模型是指设计出适合于预测海面高度的网络结构。
本发明提供的技术方案带来的有益效果是：
本发明利用ConvLSTM可以解决时空序列预测问题的特点，将其用于所选区域内海面高度的预测上，充分利用了海面高度的时间以及空间信息进行预测。
附图说明
为了更清楚地说明本发明的技术方案，下面将对发明内容中所需要使用的附图作简要地介绍。
图1为本发明所设计的为了跟好提取海面高度空间信息的ConvLSTM结构。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明实施方式作进一步地详细描述。
本实施例的基础在于，事先处理收集的Argo南海海面高度数据集，得到16x16的越南上升流海面区域。16指16个观测点数据，每1/4个经纬度网格点为一个观测点。实验设备为 Linux系统台式机、英伟达1080TiGPU、英特尔i7CPU。
用python语言编程实现所设计的ConvLSTM结构，即多条并行子网络的结构。
将预先处理好的数据输入到设计好的网络中进行训练，共6667天数据，以6000天的数据为训练集，667天的数据为测试集。
模型训练时间为50小时，测试结果的准确率为91％。

Claims (3)

1.一种基于ConvLSTM的海面高度智能预测方法，包括以下部分：
A、将提取出的数据集处理成可以训练ConvLSTM的格式；
B、搭建具有多条并行子网络的ConvLSTM神经网络模型。
2.根据权利要求1所述的一种基于ConvLSTM的海面高度智能预测方法，其特征在于，所述的部分A中，所述的将数据处理成可以训练ConvLSTM的格式是指：利用前15天的海面高度数据预测第15天的，将收集到的历史数据按照[1 2 3 4 5 6 7 8 9 10 11 12 13 14 15]，[2 3 4 5 6 7 8 9 10 11 12 13 14 15 16]...的格式排列。
3.根据权利要求1所述的一种基于ConvLSTM的地下空间管道腐蚀程度预警方法，其特征在于，所述的部分B中，所述的多条并行子网络ConvLSTM是指：设计具有三条并行子网络结构的ConvLSTM模型，所设计的模型可以综合考虑三个不同范围的空间信息。
CN201910456525.9A 2019-05-29 2019-05-29 一种基于ConvLSTM的海面高度智能预测方法 Pending CN110503231A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910456525.9A CN110503231A (zh) 2019-05-29 2019-05-29 一种基于ConvLSTM的海面高度智能预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910456525.9A CN110503231A (zh) 2019-05-29 2019-05-29 一种基于ConvLSTM的海面高度智能预测方法

Publications (1)

Publication Number Publication Date
CN110503231A true CN110503231A (zh) 2019-11-26

Family

ID=68585700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910456525.9A Pending CN110503231A (zh) 2019-05-29 2019-05-29 一种基于ConvLSTM的海面高度智能预测方法

Country Status (1)

Country Link
CN (1) CN110503231A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465203A (zh) * 2020-11-19 2021-03-09 中国石油大学(华东) 基于门控循环单元神经网络的海平面高度智能预测预报系统、计算机设备、存储介质
CN112884217A (zh) * 2021-02-04 2021-06-01 国家海洋信息中心 一种基于多模型集成的海面高预报方法
CN117633712A (zh) * 2024-01-24 2024-03-01 国家卫星海洋应用中心 一种基于多源数据的海表高度数据融合方法、装置及设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112465203A (zh) * 2020-11-19 2021-03-09 中国石油大学(华东) 基于门控循环单元神经网络的海平面高度智能预测预报系统、计算机设备、存储介质
CN112884217A (zh) * 2021-02-04 2021-06-01 国家海洋信息中心 一种基于多模型集成的海面高预报方法
CN112884217B (zh) * 2021-02-04 2022-03-15 国家海洋信息中心 一种基于多模型集成的海面高预报方法
CN117633712A (zh) * 2024-01-24 2024-03-01 国家卫星海洋应用中心 一种基于多源数据的海表高度数据融合方法、装置及设备
CN117633712B (zh) * 2024-01-24 2024-04-19 国家卫星海洋应用中心 一种基于多源数据的海表高度数据融合方法、装置及设备

Similar Documents

Publication Publication Date Title
Kummu et al. Over the hills and further away from coast: global geospatial patterns of human and environment over the 20th–21st centuries
Thompson et al. Variability in oceanographic barriers to coral larval dispersal: Do currents shape biodiversity?
CN110503231A (zh) 一种基于ConvLSTM的海面高度智能预测方法
Christoforaki et al. Sustainable siting of an offshore wind park a case in Chania, Crete
Rueda et al. Multiscale climate emulator of multimodal wave spectra: MUSCLE‐spectra
Kuchay et al. Analysis and simulation of urban expansion of Srinagar city
CN102495875A (zh) 一种基于数据挖掘的海洋灾害预警专家系统
CN112801381A (zh) 一种水母灾害早期预警方法
Liu et al. Spatiotemporal variations in suitable areas for Japanese scallop aquaculture in the Dalian coastal area from 2003 to 2012
Riaz et al. Increasing risk of glacial lake outburst floods as a consequence of climate change in the Himalayan region
Jia et al. Using a BP neural network for rapid assessment of populations with difficulties accessing drinking water because of drought
Ai et al. Spatiotemporal dynamics analysis of aquaculture zones and its impact on green tide disaster in Haizhou Bay, China
Kim et al. Responses of coastal waters in the Yellow Sea to Typhoon Bolaven
CN113158762B (zh) 大型湖库滨岸带蓝藻水华堆积风险评估方法
CN106447072A (zh) 基于显式遗传算法和奇异谱分析的气象水文要素预报方法
Kuo et al. Association of Taiwan's October rainfall patterns with large-scale oceanic and atmospheric phenomena
Hartanto Assessing the spatial-temporal land use change and encroachment activities due to flood hazard in north coast of central Java
Choupin et al. Integration of assessment-methods for wave renewable energy: Resource and installation feasibility
CN114139590A (zh) 用于估算海洋温度的方法
Zheng et al. Spatio-temporal distribution of vegetation index and its influencing factors—a case study of the Jiaozhou Bay, China
Xu et al. River functional evaluation and regionalization of the Songhua River in Harbin, China
Diaz et al. Three-dimensional clustering in the characterization of spatiotemporal drought dynamics: cluster size filter and drought indicator threshold optimization
Khan et al. Spatio-temporal Fluctuation of Temperature Using Specific Climate Indices in South Xinjiang, China
Xia et al. Mapping global water-surface photovoltaics with satellite images
Tularam et al. The critical importance of groundwater in coastal areas: Impact of climate change on Bangladesh freshwater resources

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191126

WD01 Invention patent application deemed withdrawn after publication