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：青岛哈尔滨工程大学创新发展中心

摘要：本发明公开海洋声场多参数耦合预测预报方法，属于数据预测技术领域，用于使用海洋声场参数计算声速，包括数据采集模块、数据处理模块、训练模块、决策模块和交互模块；训练模块通过先验数据优化神经网络模型，所述先验数据是海洋区域内过去时间段实测的物理场值和实测的声速值，神经网络模型包括获得声速初步预测结果的海洋数值模型和预测校准的对抗神经网络模型；本发明预测方案仅需成本较低的物理参数传感器和若干套开发板即可，大大降低金钱成本，通过将各个模块组网，为操作人员节省了操作量，最重要的是借助神经网络的高鲁棒性对预测结果进行后处理，在预测精度上有明显提升，且不受制于海域变化。

主权项：1.海洋声场多参数耦合预测预报方法，其特征在于，包括数据采集模块、数据处理模块、训练模块、决策模块和交互模块；数据采集模块位于边缘端，包括海洋传感器、通信组件、第一存储单元和通信单元；数据处理模块位于服务器端，包括第二存储单元和数据库；训练模块通过先验数据优化神经网络模型，所述先验数据是海洋区域内过去时间段TPre实测的物理场值Ppra和实测的声速值Spra，神经网络模型包括获得声速初步预测结果的海洋数值模型和预测校准的对抗神经网络模型；决策模块位于服务器端，包括计算单元和存储单元，训练模块获得最优模型后，调用数据处理模块里某地区Tnow的一时刻t的物理场数据P来预测t时刻的声速值S，并将预测的声速值存储到数据库中；预测t时刻的声速值S包括，将Ppra输入到最优模型中，通过海洋数值模型获取声速预测值*S；交互模块利用QT建立可视化用户界面，实现对本地MySQL数据库的链接，通过数据接口实现原始数据和预测值数据的图像化以及增删改操作；使用MySQL构建数据库，对收集到的物理场数据进行数据清洗，执行异常值检测，对于异常值，采用中值插值的方式代替，然后对物理场数据进行标准化： ；式中，为标准化后的物理场数据，为对异常值进行插值代替后的物理场数据，为的最大值，为的最小值；以采集周期为单元将标准化后的物理场数据存储，数据库开放一个数据接口，数据接口用于决策模块预测声速和交互模块进行数据可视化；异常值检测包括，n个周期内的物理场数据由向量表示，设定两个假设，其中原假设H0表示数据集中无异常值，备选择假设H1表示数据集中有一个异常值，假设的统计量定义为： ；式中，为的均值，表示第个，为的标准差，为假设的统计量；临界值为： ；式中，为中的样本数，为临界值的自由度的分布，为显著性水平；若大于，拒绝原假设H0，认为数据集中有一个异常值，如果小于临界值，拒绝原假设，认为中有一个值是异常值；先验数据由数据集获得，将Ppra数据输入到海洋数值模型中，通过声速经验公式获得声速初步预测值Sini，将Sini组成模拟样本域Zi，实测的声速值Spra组成真实样本域Xi，通过最小化对抗神经网络的损失函数更新模型参数，实现Zi的数据映射到Xi，完成海洋数值模型声速预测值校正；Ppra数据等同于；对抗神经网络模型的生成器采用卷积自编码器结构，编码器有3个隐藏层，隐藏层包括输入层和输出层，每个隐藏层有三个通道，输入层有两个通道，输出层有一个通道；输入层的输入为，由Sini和时间编码序列组成，输出层的输出为Xfalse，Xfalse是由生成器生成的纠正二维声速数据；判别器采用与编码器单边相同的格式，判别器的输入层有一个通道，判别器的输入层的输入是Xi或者Xfalse，判别器的输出层为对样本的判决，0代表对假样本的判决，1代表对真样本的判决；对抗神经网络模型的价值函数为： ；式中，表示生成器，表示判别器，的期望值，表示服从的样本分布，为Xi的样本分布，为底数，底数为2或者，表示输入为的判别器，的期望值，表示服从的样本分布，为Zi的样本分布；训练模块的训练过程为，从Zi的样本分布中随机采样获取，输入生成器G中获取Xfalse，从Xi的样本分布中随机采样获取Xi，将Xfalse和Xi作为输入进入判别器D中，判定输入为真实分布的概率，生成器G通过最小化价值函数来更新参数，判别器D通过最大化价值函数更新参数，训练过程中先固定生成器G，训练判别器D，再固定判别器D训练生成器G，如此循环，直到损失函数收敛；判别器进行参数更新，判别器更新后的参数为： ；式中，为对判别器损失函数求梯度，为样本数，为第个真实样本，为第个模拟样本；生成器进行参数更新，生成更新后的参数为： ；式中，为对生成器损失函数求梯度；损失函数收敛后，保存最优模型的参数到决策模块的存储单元中。

全文数据：

权利要求：

百度查询： 青岛哈尔滨工程大学创新发展中心 海洋声场多参数耦合预测预报方法