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：本发明属于台风实时估计技术领域，公开了一种基于物理约束和关联建模的台风多任务估计方法，利用中心扩展池化算法从云顶数据中提取出中心特征，结合从步幅序列中得到的步幅特征，通过多头交叉注意力机制与类别编码器的共同作用，得到多个特性特征；将多个特性特征分别输入多域递归卷积模块，得到对应的转换特征；将时序多通道卫星数据、台风中心的经纬度及其存在时长送入通用网络、位置编码器和时间编码器得到共享特征；将任务的特性特征、转换特征以及共享特征融合，通过估计模块得到风速估计结果和风圈估计结果。本发明通过关联建模和物理约束解决现有技术方案无法有效地同时估计台风强度和风圈大小的问题，以及缺乏物理学引导的问题。

主权项：1.一种基于物理约束和关联建模的台风多任务估计方法，其特征在于，所述基于物理约束和关联建模的台风多任务估计方法，包括：利用中心扩展池化算法从云顶数据中提取出中心特征，结合从步幅序列中得到的步幅特征，通过多头交叉注意力机制与类别编码器的共同作用，得到多个任务的特性特征，所述多个任务的特性特征包括风速特征和风圈特征；将风速特征和风圈特征分别输入多域递归卷积模块，多域递归卷积模块通过将一个任务的特性特征转换成另一个任务的特性特征来模拟不同任务属性之间物理联系，得到对应风速和风圈估计的两个转换特征；将时序多通道卫星数据、台风中心的经纬度及其存在时长分别送入对应的通用网络、位置编码器和时间编码器进行特征提取和学习，得到共享特征；将任务的特性特征及其对应的转换特征输入全连接层，拼接全连接层的输出以及共享特征后，输入到对应任务的估计模块，得到风速估计结果和风圈估计结果；其中，所述利用中心扩展池化算法从云顶数据中提取出中心特征，包括：所述中心扩展池化算法由1个循环算法、1个最大池化层、1个平均池化层和1个卷积层组成，循环算法首先定义两个空列表作为平局池化特征列表和最大池化特征列表，取云顶数据的维度为N，循环变量i为1，开始循环时首先判断循环变量i是否小于等于N2，若否，则将平局池化特征列表内的平均池化特征和最大池化特征列表内的最大池化特征输入卷积层，由卷积层输出中心特征；若是，则计算起始索引为N2-i，结尾索引为N2+i，切片范围为[起始索引：结尾索引+1]，根据切片范围对云顶数据进行切片得到池化特征，将池化特征输入平均池化层得到当前循环下的平均池化特征放入平均池化特征列表，将池化特征输入最大池化层得到当前循环下的最大池化特征放入最大池化特征列表，循环变量i加1，并重新开始循环；其中，所述类别编码器由两个相同的多层感知器组成，将台风的前一时刻强度等级输入到类别编码器，提取台风的前一时刻强度等级信息并输出两个权重特征，两个权重特征分别称为风速权重特征和风圈权重特征；其中，所述通过多头交叉注意力机制与类别编码器的共同作用，得到多个任务的特性特征，包括：将中心特征和步幅特征分别通过全连接层得到对应的查询特征、键特征和值特征，将中心特征对应的键特征以及步幅特征对应的查询特征和值特征输入第一多头交叉注意力机制，第一多头交叉注意力机制的输出经过卷积后与所述风速权重特征张量相乘，提取得到风速特征；将步幅特征对应的键特征以及中心特征对应的查询特征和值特征输入第二多头交叉注意力机制，第二多头交叉注意力机制的输出经过卷积后与所述风圈权重特征张量相乘，提取得到风圈特征；其中，所述将时序多通道卫星数据、台风中心的经纬度及其存在时长分别送入对应的通用网络、位置编码器和时间编码器进行特征提取和学习，得到共享特征，包括：所述位置编码器由四个全连接层组成，将台风中心的经纬度输入所述位置编码器，提取得到台风的位置特征；所述台风的位置特征与时序多通道卫星数据张量拼接后作为通用网络的输入，所述通用网络由四个特征提取层和两个通道残差连接组成，每个特征提取层包括一个2D卷积和最大池化层，且第二个特征提取层的输出与第三个特征提取层的输出进行通道残差连接，然后输入到第四个特征提取层；第四个特征提取层的输入与第四个特征提取层的输出进行通道残差连接，作为通用网络的输出特征；所述时间编码器由两个全连接层组成，将台风的存在时长输入所述时间编码器，提取得到台风的发展时长特征；通用网络的输出特征与台风的发展时长特征进行张量拼接后作为共享特征。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于物理约束和关联建模的台风多任务估计方法