一种基于制造技术

本发明专利技术涉及海洋科学与咸潮预报工程技术领域，尤其涉及一种基于

【技术实现步骤摘要】
一种基于ConvGRU的三维咸潮预报方法


[0001]本专利技术涉及海洋科学与咸潮预报工程
，尤其涉及一种基于
ConvGRU
的三维咸潮预报方法
。

技术介绍

[0002]盐度是海洋中一个重要的物理指标，对海洋环境和生态系统具有重要影响
。
准确预测盐度变化对于海洋科学研究和海洋工程具有重要意义
。
利用数值模拟模型可以模拟水文组合和风场对盐度分布的影响，传统的盐度预测方法主要基于经验模型和统计方法，但在预测长时间尺度的盐度变化方面存在一定的局限性，另外，盐度预测的准确性和时效性仍有提升的空间
。

技术实现思路

[0003]基于此，本专利技术有必要提供一种基于
ConvGRU
的三维咸潮预报方法，以解决至少一个上述技术问题
。
[0004]为实现上述目的，一种基于
ConvGRU
的三维咸潮预报方法，包括以下步骤：步骤
S1
：对咸潮区域进行风场环境感知提取，以得到咸潮区域风场环境数据；对咸潮区域风场环境数据进行历史回溯整编处理，得到咸潮区域历史风场集；步骤
S2
：根据咸潮区域历史风场集对咸潮区域进行时间对齐匹配，以获取咸潮区域历史水文数据和咸潮区域历史盐度分布数据；对咸潮区域历史风场集
、
咸潮区域历史水文数据和咸潮区域历史盐度分布数据进行多尺度特征提取，得到咸潮区域水文组合盐度特征；对咸潮区域水文组合盐度特征进行数值模拟以构建三维盐度数值模型；步骤
S3
：获取咸潮区域河床地形数据，并对咸潮区域河床地形数据进行河床几何结构抽取，得到咸潮区域水文组合河床结构特征；对咸潮区域水文组合河床结构特征进行河床糙率插值处理，得到咸潮区域河床糙率场数据集；步骤
S4
：根据咸潮区域历史风场集以及咸潮区域河床糙率场数据集利用三维盐度数值模型进行盐度模拟，以生成长时间盐度模拟数据场集；步骤
S5
：通过
ConvGRU
对长时间盐度模拟数据场集进行深度学习预测，以生成目标时段盐度预测数据集；根据目标时段盐度预测数据集以执行相应的咸潮预报任务
。
[0005]本专利技术首先通过对咸潮区域进行风场环境感知提取，可以获取咸潮区域的风场环境数据，这些数据可以提供关于风向
、
风速和气象条件等信息，并对咸潮区域的气象特征进行描述
。
同时，通过对提取得到的咸潮区域风场环境数据进行历史回溯整编处理，通过回溯整编分析历史数据的时间序列变化趋势
、
周期性和相关性等，可以生成咸潮区域的历史风场集，能够用于后续分析和模型构建，这些数据还有助于了解风场对盐度分布的影响
。
其次，通过将咸潮区域历史风场集与咸潮区域的水文数据和盐度分布数据进行时间对齐匹配，可以将风场数据与相应时间段内的水文数据和盐度分布数据进行匹配，这样做的目的是确保风场数据和水文数据与盐度分布数据在时间上是一致的，以便进行后续的分析和模
拟，从而为后续的特征提取和数值模拟提供基础数据
。
并通过对历史风场集
、
水文数据和盐度分布数据进行多尺度特征提取，可以提取出反映咸潮区域水文和盐度特征的多种指标，这些特征可以包括海流速度的空间分布
、
水深的变化趋势
、
盐度梯度的强度等
。
通过多尺度特征提取，可以从历史风场集
、
水文数据和盐度数据中提取出特征参数，形成咸潮区域的水文组合盐度特征
。
这些特征可以反映盐度变化与气象条件之间的关联，为后续的数值模拟提供依据
。
另外，还通过对咸潮区域水文组合盐度特征进行数值模拟，通过使用数学和物理模型，基于已知的水文和盐度特征数据，模拟咸潮区域中不同时间和空间尺度上的盐度分布情况，这样的数值模型可以提供对咸潮区域盐度变化的预测和分析，从而为理解咸潮事件的形成机制
、
预测咸潮的发生等提供支持和依据
。
然后，通过获取咸潮区域的河床地形数据，并对其进行河床几何结构抽取，可以得到咸潮区域的水文组合河床结构特征
。
这些特征描述了河床的形状
、
高程和底质等信息，可以作为河床糙率的依据
。
还通过河床糙率插值处理，可以将水文组合河床结构特征插值为连续的河床糙率场数据集，从而为盐度数值模拟提供连续的河床糙率场数据集
。
接下来，通过利用咸潮区域历史风场集和河床糙率场数据集，结合三维盐度数值模型，进行盐度模拟
。
通过模拟计算，可以生成长时间的盐度模拟数据场集，这些数据场集可以反映盐度在时间和空间上的变化趋势，这对于理解咸潮区域盐度分布的动态变化以及相关影响因素的作用具有重要意义，从而提高长时间盐度变化的预测效果
。
最后，通过
ConvGRU
对长时间的盐度模拟数据场集进行深度学习预测，可以生成目标时段的盐度预测数据集
。
通过利用
ConvGRU
深度学习模型对历史盐度数据进行学习和预测，预测得到的结果能够为咸潮预报任务提供准确的预测数据，这些预测数据可用于预测咸潮事件的发生
、
发展和演变，有助于制定相应的应对和管理策略，从而提高盐度预报的准确性和时效性
。
附图说明
[0006]通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本专利技术的其它特征
、
目的和优点将会变得更明显：图1为本专利技术基于
ConvGRU
的三维咸潮预报方法的步骤流程示意图；图2为图1中步骤
S1
的详细步骤流程示意图；图3为图2中步骤
S13
的详细步骤流程示意图
。
具体实施方式
[0007]下面结合附图对本专利技术专利的技术方法进行清楚
、
完整的描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0008]此外，附图仅为本专利技术的示意性图解，并非一定是按比例绘制
。
图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述
。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应
。
可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和
/
或处理器方法和
/
或微控制器方法中实现这些功能实体
。
[0009]应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
ConvGRU
的三维咸潮预报方法，其特征在于，包括以下步骤：步骤
S1
：对咸潮区域进行风场环境感知提取，以得到咸潮区域风场环境数据；对咸潮区域风场环境数据进行历史回溯整编处理，得到咸潮区域历史风场集；步骤
S2
：根据咸潮区域历史风场集对咸潮区域进行时间对齐匹配，以获取咸潮区域历史水文数据和咸潮区域历史盐度分布数据；对咸潮区域历史风场集
、
咸潮区域历史水文数据和咸潮区域历史盐度分布数据进行多尺度特征提取，得到咸潮区域水文组合盐度特征；对咸潮区域水文组合盐度特征进行数值模拟以构建三维盐度数值模型；步骤
S3
：获取咸潮区域河床地形数据，并对咸潮区域河床地形数据进行河床几何结构抽取，得到咸潮区域水文组合河床结构特征；对咸潮区域水文组合河床结构特征进行河床糙率插值处理，得到咸潮区域河床糙率场数据集；步骤
S4
：根据咸潮区域历史风场集以及咸潮区域河床糙率场数据集利用三维盐度数值模型进行盐度模拟，以生成长时间盐度模拟数据场集；步骤
S5
：通过
ConvGRU
对长时间盐度模拟数据场集进行深度学习预测，以生成目标时段盐度预测数据集；根据目标时段盐度预测数据集以执行相应的咸潮预报任务
。2.
根据权利要求1所述的基于
ConvGRU
的三维咸潮预报方法，其特征在于，包括以下步骤：步骤
S11
：通过建立分布式环境传感网络对咸潮区域进行风场环境感知提取，以得到咸潮区域风场环境数据；步骤
S12
：对咸潮区域风场环境数据进行时空分布探索分析，得到咸潮区域风场环境时空分布特征；步骤
S13
：对咸潮区域风场环境时空分布特征进行质量异常评估，得到咸潮区域风场环境异常特征和咸潮区域风场环境正常特征；步骤
S14
：对咸潮区域风场环境异常特征进行异常校准处理，得到咸潮区域风场环境异常校准特征；步骤
S15
：利用时序分析技术对咸潮区域风场环境正常特征和咸潮区域风场环境异常校准特征进行历史时间回溯整编，得到咸潮区域历史风场集
。3.
根据权利要求2所述的基于
ConvGRU
的三维咸潮预报方法，其特征在于，步骤
S13
包括以下步骤：步骤
S131
：对咸潮区域风场环境时空分布特征进行特征模式探索分析，得到咸潮区域风场环境时空分布特征模式数据；步骤
S132
：利用异常值计算公式对咸潮区域风场环境时空分布特征模式数据进行异常检测计算，得到特征模式异常值；其中，异常值计算公式如下所示：；式中，为特征模式异常值，为异常检测计算的时间范围上限，为异常检测计算的积分时间变量，为咸潮区域风场环境时空分布特征模式数据中特征模式指标的数量，为咸
潮区域风场环境时空分布特征模式数据中第个特征模式指标的异常波动系数，为咸潮区域风场环境时空分布特征模式数据中第个特征模式指标的权重参数，为咸潮区域风场环境时空分布特征模式数据中第个特征模式指标的异常波动尺度参数，为咸潮区域风场环境时空分布特征模式数据中风场参数的数量，为咸潮区域风场环境时空分布特征模式数据中第个风场参数的异常平方项，为咸潮区域风场环境时空分布特征模式数据中第个风场参数的异常变化参数，为咸潮区域风场环境时空分布特征模式数据中第个特征模式指标的异常影响因子，为咸潮区域风场环境时空分布特征模式数据中第个特征模式指标的异常影响指数衰减参数，为咸潮区域风场环境时空分布特征模式数据中第个特征模式指标的异常影响调整参数，为异常影响归一化因子，为特征模式异常值的修正值；步骤
S133
：根据预设的特征模式异常阈值对特征模式异常值进行异常评估比对，当特征模式异常值大于预设的特征模式异常阈值时，将咸潮区域风场环境时空分布特征模式数据标记为咸潮区域风场环境异常特征；步骤
S134
：根据预设的特征模式异常阈值对特征模式异常值进行异常评估比对，当特征模式异常值不大于预设的特征模式异常阈值时，将咸潮区域风场环境时空分布特征模式数据标记为咸潮区域风场环境正常特征
。4.
根据权利要求1所述的基于
ConvGRU
的三维咸潮预报方法，其特征在于，步骤
S2
包括以下步骤：步骤
S21
：根据咸潮区域历史风场集对咸潮区域的水文数据进行时间对齐匹配，以得到咸潮区域历史水文数据；步骤
S22
：根据咸潮区域历史风场集对咸潮区域的盐度分布数据进行时间对齐匹配，以得到咸潮区域历史盐度分布数据；步骤
S23
：对咸潮区域历史风场集
、
咸潮区域历史水文数据和咸潮区域历史盐度分布数据进行多尺度特征提取，得到咸潮区域水文组合盐度特征；步骤
S24
：对咸潮区域水文组合盐度特征进行数值模拟以构建三维盐度数值模型
。5.
根据权利要求4所述的基于
ConvGRU
的三维咸潮预报方法，其特征在于，步骤
S24
包括以下步骤：步骤
S241
：对咸潮区域水文组合盐度特征进行时空关联分析，得到咸潮区域水文组合盐度关联特征；步骤
S242
：对咸潮区域水文组合盐度关联特征进行信息增益降维处理，得到咸潮区域水文组合盐度增益降维特征；步骤
S243
：利用基于
Navier

【专利技术属性】
技术研发人员：黄鹏飞，邹华志，许伟，林中源，杨留柱，王建平，陈睿智，邓月运，刘国珍，戈军，唐琦，黄凯桐，张艳艳，童辉玲，易丽莎，
申请(专利权)人：珠江水利委员会珠江水利科学研究院，
类型：发明
国别省市：