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：天津大学
摘要：本发明公开了一种现场观测‑动力学‑机器学习融合的海洋环境实时预报方法，包括：在目标海域布放观测平台，得到海洋环境要素的观测时间序列；基于时间序列进行动力学机制分析，选取动力学预报因子；搭建机器学习模型的网络结构，生成输入特征矩阵；通过超参数优化方法训练机器学习模型，得到最佳预报模型；使用该模型迭代生成海洋环境要素的预报时间序列；根据预报时间序列进行空间推断，生成目标海域的预报结果。本方法将现场观测数据和动力学理论融合到机器学习框架中，取得了良好预报效果，并增加了模型可解释性，具有灵活性和通用性，可为海洋应用领域如海上作业、环境管理和灾害响应等提供更精确、可靠的实时预报。
主权项：1.一种现场观测-动力学-机器学习融合的海洋环境实时预报方法，其特征在于，包括如下步骤：步骤1：在目标海域布放观测平台，由现场观测的海洋环境要素构建观测数据集，从中获取海洋环境要素的观测时间序列；步骤2：基于海洋环境要素的观测时间序列进行动力学机制分析，选取动力学预报因子；步骤3：搭建机器学习模型的网络结构，利用所选取的动力学预报因子和海洋环境要素的时间序列，生成该机器学习模型的输入特征矩阵；步骤4：基于观测数据集，通过定义超参数空间、目标函数和优化算法，采用超参数优化方法对所述的机器学习模型进行训练，以训练好的最佳模型作为预报模型；步骤5：使用所述的预报模型，以及当前时刻的动力学预报因子，迭代生成海洋环境要素的预报时间序列；步骤6：设计适用于所述目标海域的规则空间网格，根据海洋环境要素的预报时间序列进行空间推断，生成所述目标海域海洋环境要素的预报结果。
全文数据：
权利要求：
百度查询： 天津大学 现场观测-动力学-机器学习融合的海洋环境实时预报方法
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