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：北京庚图科技有限公司

摘要：本发明提供基于条件对抗网络的海洋环境短期预测方法及系统，涉及测绘技术领域，包括构建时序变分自编码器模型，包括编码器和解码器，所述编码器采用长短期记忆网络得到海洋环境状态的压缩表示，所述解码器采用长短期记忆网络从所述海洋环境状态的压缩表示中重构出原始的海洋环境状态序列；构建注意力机制增强的时空图神经网络模型，以建模海洋环境的空间关联模式；时序变分自编码器模型生成未来多个时间步的潜在表示，注意力机制增强的时空图神经网络模型预测未来多个时间步的海洋环境图演变情况；采用自适应融合策略动态调整两个模型的融合权重，得到最终的未来多个时间步的海洋环境物理量时空分布预测结果。

主权项：1.基于条件对抗网络的海洋环境短期预测方法，其特征在于，包括：构建时序变分自编码器模型，所述时序变分自编码器模型包括编码器和解码器，所述编码器采用长短期记忆网络将目标区域的海洋环境的时空序列数据映射到低维潜在空间，得到海洋环境状态的压缩表示，所述解码器采用长短期记忆网络从所述海洋环境状态的压缩表示中重构出原始的海洋环境状态序列；构建注意力机制增强的时空图神经网络模型，将海洋环境的物理量分布建模为时空图，通过图卷积操作聚合节点的局部特征，并采用多头注意力机制动态调整不同节点之间的权重，以建模海洋环境的空间关联模式；所述时序变分自编码器模型根据当前时刻的海洋环境状态和未来条件设置生成未来多个时间步的潜在表示，所述注意力机制增强的时空图神经网络模型根据当前时刻的海洋环境图和未来条件设置预测未来多个时间步的海洋环境图演变情况；采用自适应融合策略动态调整两个模型的融合权重，将两个模型的输出结果进行加权聚合，得到最终的未来多个时间步的海洋环境物理量时空分布预测结果；构建时序变分自编码器模型，所述时序变分自编码器模型包括编码器和解码器，所述编码器采用长短期记忆网络将目标区域的海洋环境的时空序列数据映射到低维潜在空间，得到海洋环境状态的压缩表示，所述解码器采用长短期记忆网络从所述海洋环境状态的压缩表示中重构出原始的海洋环境状态序列包括：构建编码器-解码器架构的时序变分自编码器模型，所述编码器采用多层长短期记忆网络对目标区域的海洋环境时空序列数据进行编码，在每个时间步，长短期记忆网络单元接收当前时刻的海洋环境状态向量，并结合前一时刻的隐藏状态和记忆单元更新当前时刻的隐藏状态和记忆单元，捕捉时间序列数据中的上下文信息和长程依赖关系；通过最大化变分下界优化所述编码器和所述解码器的参数，所述编码器的输出经过两个全连接层分别估计潜在变量的均值和对数方差，从估计的高斯分布中采样得到潜在变量并输入到所述解码器中进行重构；所述解码器采用与所述编码器相对称的长短期记忆网络结构，根据潜在变量和前一时刻的解码结果递归地生成海洋环境状态序列，在所述解码器的输出层采用条件高斯分布作为生成模型，通过最小化重构误差和KL散度损失优化所述编码器和所述解码器的参数。

全文数据：

权利要求：

百度查询： 北京庚图科技有限公司 基于条件对抗网络的海洋环境短期预测方法及系统