龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：浙江工业大学
摘要：本发明公开了一种跨模态特征融合的钱塘江涌潮高度预测方法。本发明的钱塘江涌潮高度预测方法，通过跨模态融合的方法进行不同数据源之间的特征融合以及生成式解码器进行预测。这种方法有效地结合了潮高数据与气象数据，利用了各自数据的独特性质和互补信息，提高了模型对涌潮动态的理解和预测能力。生成式解码器的应用允许模型一次性预测未来的潮高趋势，不仅优化了预测流程的效率，还显著减少了逐步预测中可能出现的误差累积。
主权项：1.一种跨模态特征融合的钱塘江涌潮高度预测方法，其特征在于，包括：S1、获取目标时段之前的钱塘江涌潮高度历史序列以及钱塘江区域气象数据历史序列，并通过数据预处理使其满足模型输入要求，其中历史气象数据类型包括风力风速数据、气温数据、降水数据以及气压数据四种模态；S2、获取经过预训练的钱塘江涌潮高度预测模型，所述钱塘江涌潮高度预测模型由基于跨模态特征融合的编码器和生成式解码器组成；所述编码器中，先将模型输入中每一种类型的钱塘江区域气象数据历史序列分别通过卷积层处理以提取气象数据关键空间特征，随后分别通过自注意力层对卷积层处理后的每一种气象数据关键空间特征和模型输入中的钱塘江涌潮高度历史序列应用自注意力机制，获得调整特征重要性后的多模态特征，最后将自注意力处理后的多模态特征沿特征维度进行拼接融合，得到的融合特征；所述解码器中，先将所述编码器得到的融合特征与一个长度等于待预测序列的占位符嵌入进行拼接，拼接得到的输入特征通过全连接网络得到输出序列；S3、将S1中数据预处理后的钱塘江涌潮高度历史序列以及钱塘江区域气象数据历史序列输入经过预训练的钱塘江涌潮高度预测模型中，得到目标时段对应的钱塘江涌潮高度预测序列。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种跨模态特征融合的钱塘江涌潮高度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号