发明名称 |
一种海洋环境监测要素短期预测方法 |
摘要 |
本发明公开了一种海洋环境监测要素的短期预测方法,该方法采用自回归模型对海洋环境输入要素进行短期预测,再通过深度神经网络方法对输出要素进行短期预测。本方法充分利用了自回归模型和深度神经网络模型的特性,利用自回归模型得到短期的输入预测值,再通过深度神经网络模型得到输出要素的预测值,克服了传统神经网络模型对于时序数据预测存在抽取本质特征不足和梯度下降受限等方面的局限。本方法实现了对海洋环境监测要素的预测,对于海洋生态环境的短期预报、海洋灾害的短期预警等具有重要的意义。 |
申请公布号 |
CN106446209A |
申请公布日期 |
2017.02.22 |
申请号 |
CN201610873845.0 |
申请日期 |
2016.09.30 |
申请人 |
浙江大学 |
发明人 |
杜震洪;张丰;刘仁义;吴森森;周晓莉 |
分类号 |
G06F17/30(2006.01)I;G06N3/08(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
杭州求是专利事务所有限公司 33200 |
代理人 |
张法高 |
主权项 |
一种海洋环境监测要素短期预测方法,其特征在于,包括如下步骤:步骤1:建立关系数据库,表中记录每个海洋环境要素的基础信息,包括监测位置信息、监测参数信息和监测时间信息;步骤2:对海洋环境要素进行数据预处理,包括对海洋环境输入要素采用线性归一化处理,对输出要素采用对数归一化处理;步骤3:采用准则函数定阶法确定自回归模型的阶数,采用最小二乘估计方法对自回归模型进行参数估计;步骤4:将海洋环境要素输入到自回归模型中,采用单步预测方法,预测出短期的输入因子数值;步骤5:通过随机函数对深度神经网络的权值和偏移量进行初始化,对海洋环境输出要素进行训练、学习和预测;步骤6:将步骤4得到的短期输入因子的预测值通过步骤5中的深度神经网络得出输出要素的短期预测值。 |
地址 |
310058 浙江省杭州市西湖区余杭塘路866号 |