买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明提出了一种基于Mamba的北极海冰密集度预测方法，属于遥感数据分析领域。本发明收集历史的北极海冰密集度观测数据，提取海冰密集度特征，并将海冰密集度数据处理为指定的数据格式；对海冰密集度数据集进行预处理，构建训练数据集、评估数据集以及测试数据集；利用划分好的数据集来进行训练，并使用定性和定量分析来综合评价模型的性能，最后得出未来一段时间内的北极海冰密集度分布情况。本发明能够有效捕获海冰密集度在时空上的复杂变化规律，从而提高预测的准确性和可靠性；利用历史观测数据建立起对海冰密集度变化的深层次理解，为更精准的预测提供支持。

主权项：1.一种基于Mamba的北极海冰密集度预测方法，其特征在于，包括以下步骤：S1：收集历史海冰密集度观测数据集；S2：针对所述历史海冰密集度观测数据集进行预处理，提取海冰密集度时间和空间特征，构建训练数据集、评估数据集以及测试数据集；具体为：S2-1：对S1收集的数据集进行预处理：提取数据集中的时间和空间特征，将时间特征按照时间顺序进行排序并生成时间列表，确保所有时间特征均在指定的开始和结束时间段内；S2-2：原始数据集中的陆地部分数据值均被设置为-32767，根据这一数据特征进行编码，用代码处理数据集中的陆地部分，根据陆地部分的数据值生成陆地掩码，再将陆地数值全部预处理为0；S2-3：海冰密集度范围为0-100，使用归一化处理，将海冰数据全部处理到分布在[0,1]之间，最后将预处理好的数据写入“.nc”文件并输出为待使用的数据集；S2-4：对初步处理好的数据集进行划分，将数据集划分为训练阶段所用的数据集、评估模型性能阶段所用数据集以及测试模型最终结果阶段所用的数据集；S3：构建能够提取并学习时空序列的Mamba网络模型，所述Mamba网络模型包括Encoder模块、Decoder模块以及Mamba模块；所述Mamba网络模型结构表示为：输入数据→Encoder模块提取特征→Mamba模块处理特征→Decoder模块对数据进行恢复重建→全连接层；其中输入的数据是一个表示为[B,T,C,H,W]的五维特征，B表示模型的BatchSize，T表示一次性输入模型的图片；Mamba网络模型的具体训练过程为：S3-1：在Encoder阶段设计N个串行的双分支卷积来提取海冰数据中的特征信息，在下采样的过程中，双分支卷积的第一个分支使用一个3×3卷积提取浅层特征的同时保留更多的空间信息，该分支的计算过程表示为：Y1＝Conv＝3×3X其中，Conv3×3表示3×3卷积，X表示输入数据，Y1表示第一个分支的输出特征；双分支卷积的第二个分支是一个1×1卷积后接一个n×n的深度可分离卷积，这个分支用来提取深层特征，包含空间和通道信息，这一分支的计算过程表示为：Y2＝DWConvn×nConv1×1X其中，Conv1×1表示1×1卷积，DWConvn×n表示一个n×n的深度可分离卷积，Y2表示第二个分支的输出特征；将两个分支提取到的特征进行融合，并对融合后的特征使用一个1×1卷积进行下采样，然后使用归一化和激活函数来提高网络的性能以及训练效率，具体的计算过程表示为：Z＝ConcatY1,Y2Z′＝σLayerNormConv1×1Z其中，Concat表示融合特征操作，Z为两个分支特征融合后的特征表示，LayerNorm表示层归一化，σ表示SELU激活函数，Z′表示双分支卷积模块的最终输出；S3-2：将提取到的特征送入Nt个堆叠的可交互的Mamba模块，将这些特征分为时间特征和空间特征，利用Mamba分别进行处理，对时间特征使用时间Mamba模块进行处理，对空间特征使用空间Mamba模块进行处理，时间Mamba模块和空间Mamba模块的计算表示为：Y1＝LinearLinearX⊙SS1DLinearXY2＝LinearLinearX⊙SS2DConv3×3LinearXY＝ConcatY1,Y2其中，Linear表示线性投影，Conv3×3表示一个3×3的卷积，⊙表示逐元素相乘，Y表示最终融合并处理后的特征，SS1D以及SS2D表示Mamba模块的状态空间计算方程，SS1D表示对时间特征在通道维度上使用向前和向后的扫描机制，SS2D表示对空间特征在空间维度上使用向上、向下、向左和向右四个方向的扫描机制；该模块首先将特征映射到一维，然后将一维输入信号映射到N维的潜在状态然后再投影到一维输入信号yt，其计算过程如下： 其中，是状态转移矩阵，是输入到状态的矩阵，是状态到输出的矩阵，D是直接从输入到输出的参数；S3-3：在Decoder阶段使用N个串行的卷积块来恢复图像，在这个卷积块中包括一个3×3卷积层，一个归一化层以及一个激活函数，具体的计算如下：Y＝σLayerNormConv3×3X其中，σ表示SELU激活函数；S3-4：对最终经过Decoder恢复的数据使用一个全连接层，计算公式表示为：Y＝Conv1×1XS3-5：对最终的输出结果使用HuberLoss计算损失，其定义如下： 其中，yi是真实值，是预测值，N是样本数量，δ表示HuberLoss的超参数；S3-6：最后使用AdamW优化算法进行参数优化；S4：将所述训练数据集送入Mamba网络模型进行训练，训练过程中分别针对时间特征和空间特征进行训练，最后融合两种特征；S5：使用评估数据集来交叉验证Mamba网络模型的性能，并动态调整模型的参数；S6：利用训练好的Mamba网络模型对测试数据集进行测试，并使用定性和定量指标来综合评估模型的预测结果；S7：利用训练好的Mamba网络模型进行预测，输出最终预测的结果图。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种基于Mamba的北极海冰密集度预测方法