【技术实现步骤摘要】
本专利技术涉及海洋科学和机器学习，尤其涉及一种掩码增强型的海洋要素场智能空间降尺度方法。
技术介绍
1、海洋环境在地球生态系统中起着至关重要的作用，对气候变化产生深远的影响，与人类的生产和生活有着密切的关系。要开展海洋科学研究并进一步深入理解和建模海洋环境的演变，高分辨率海洋要素数据是重要前提和必要条件。
2、然而，海洋数值模型的高计算成本限制了精细尺度海洋预报的可用性，给海洋模型和科学研究的及时性造成了一定的困难，计算效率和及时性之间的平衡已经成为追求高分辨率建模和预报的一个关键且具有挑战性的问题，因此降尺度技术成为大气海洋领域的一个研究热点。
3、降尺度是将大尺度、低分辨率的信息转换为小尺度、高分辨率信息的过程，目前有两种常用的降尺度方法为动力降尺度和统计降尺度。动力降尺度方法具有良好的物理意义，但需要大量的计算成本；而传统的统计降尺度方法并不能准确地建立低分辨率数据和高分辨率数据之间的映射关系，导致模拟和预测的精度较差、可靠性较低。
4、随着深度学习的发展，研究人员发现神经网络可以用于捕获低分辨率和高分辨率数据之间的非线性关系。图像超分辨率是提高图像和视频分辨率的重要应用，在大气海洋领域已有一些应用成果，但它们仍具有局限性，包括空间泛化能力差及难以捕获重要特征。
技术实现思路
1、针对上述现有技术的缺点，本专利技术的目的是提供一种掩码增强型的海洋要素场智能空间降尺度方法，以解决现有技术中的一个或多个问题。
2、为实现上述目的，本
3、一种掩码增强型的海洋要素场智能空间降尺度方法，包括以下步骤：
4、海洋数据处理与样本集构建；
5、模型搭建；
6、结果验证。
7、进一步的，所述海洋数据处理与样本集构建包括以下步骤：
8、对原始高分辨率海洋数据hrod进行质量控制；
9、计算高分辨率气候态数据hrcm；
10、上采样处理得到低分辨率海洋数据lrod；
11、将所有数据最大最小值归一化并制作训练验证集和测试集。
12、进一步的，所述模型搭建包括以下步骤：
13、引入训练验证集样本和部分卷积并搭建智能空间降尺度模型；
14、优化目标函数。
15、进一步的，所述智能空间降尺度模型包括一个主干网络fd和一个分支网络fc，所述搭建智能空间降尺度模型的搭建步骤包括以下内容：
16、分支网络fc将高分辨率气候态数据hrcm卷积得到低分气候态；
17、与低分辨率海洋数据lrod拼接并输入为主干网络fd；
18、将高分辨率气候态数据hrcm尺寸调整；
19、从主干网络fd提取高维特征并与处理后的高分辨率气候态数据hrcm拼接。
20、进一步的，所述部分卷积包括以下步骤：
21、将输入海洋要素场分割成若干个相同尺寸的小块；
22、对每个小块应用标准的卷积操作，即将卷积核与小块的要素值相乘并求和，得到卷积结果，如下式所示：
23、
24、式中，x′是卷积核中心位置的值，w为卷积核，x为海洋要素场小块，sum(1)是指与卷积核相同大小而元素全部为1的矩阵，x'为卷积核中心位置的单个像素值，m为输入的海陆掩码，其中海洋部分为1，陆地部分为0，b为卷积运算的偏置；
25、将所有小块的部分卷积结果组合起来，得到部分卷积特征。
26、进一步的，所述目标函数计算公式如下式所示：
27、
28、式中：其中，和β为设定的系数，和分别表示海洋损失和海陆边界损失。
29、进一步的，所述优化目标函数的优化方式包括以下内容：
30、引入海洋损失去除陆地的误差影响；
31、引入海路边界损失解决海路边界处梯度变化对降尺度误差的影响。
32、进一步的，所述海洋损失计算公式如下式所示：
33、
34、式中：表示海洋损失，l1表示l1损失，mo表示海洋部分掩码，其中海洋格点为1，陆地格点为0，运算符表示模型预测结果乘以掩码后再计算l1损失。
35、进一步的，所述海路边界损失计算公式如下式所示：
36、
37、式中：表示海洋损失，l1表示l1损失，mb表示海路边界掩码，其中紧邻陆地的海洋格点为1，陆地格点为0，运算符表示模型预测结果乘以掩码后再计算l1损失。
38、进一步的，所述结果验证包括以下步骤：
39、计算性能指标；
40、计算精度指标。
41、与现有技术相比，本专利技术的有益技术效果如下：
42、(一)本专利技术通过构建智能空间降尺度模型，并在模型中引入海陆掩码和部分卷积以增强模型在海洋以及海陆边界处的降尺度性能，还通过增加高分辨率气候态特征弥补高频及小尺度信息缺失的问题，从而生成更精细化的高分辨率海洋要素场。
43、(二)通过目标函数中结合海洋损失和海陆边界损失，进一步提升模型在海陆边界处的准确率。可用于多种海洋要素场的智能空间降尺度，具备高效计算能力的同时还能保持良好的准确率，为海洋环境空间降尺度技术研发提供新方法和新思路。
本文档来自技高网...【技术保护点】
1.一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于包括以下步骤：
2.如权利要求1所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述海洋数据处理与样本集构建包括以下步骤：
3.如权利要求2所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述模型搭建包括以下步骤：
4.如权利要求3所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述智能空间降尺度模型包括一个主干网络fD和一个分支网络fC，所述搭建智能空间降尺度模型的搭建步骤包括以下内容：
5.如权利要求4所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述部分卷积包括以下步骤：
6.如权利要求3所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述目标函数L的计算公式如下式所示：
7.如权利要求3所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述优化目标函数的优化方式包括以下内容：
8.如权利要求7所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特
9.如权利要求8所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述海路边界损失计算公式如下式所示：
10.如权利要求3所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述结果验证包括以下步骤：
...【技术特征摘要】
1.一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于包括以下步骤：
2.如权利要求1所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述海洋数据处理与样本集构建包括以下步骤：
3.如权利要求2所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述模型搭建包括以下步骤：
4.如权利要求3所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述智能空间降尺度模型包括一个主干网络fd和一个分支网络fc，所述搭建智能空间降尺度模型的搭建步骤包括以下内容：
5.如权利要求4所述的一种掩码增强型的海洋要素场智能空间降尺度方法，其特征在于所述部分卷积包括以...
【专利技术属性】
技术研发人员：王明清，王丹妮，过莹烨，许立兵，梁逸爽，周峥，黄小猛，
申请(专利权)人：无锡九方科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。