【技术实现步骤摘要】
本专利技术涉及人工智能，特别是涉及高分辨率海上风速二维分布场预报方法及系统。
技术介绍
1、海上风速的间歇性变化和扰动突变会对水上施工作业，水上交通运输和海上工程作业造成严重的安全隐患，进而引发重大事故。如强风会导致船舶航行困难，甚至失控，增加撞船、触礁或沉没的风险。对于小型船只和渔船，强风尤其危险，可能导致船员伤亡和财产损失。海上风电场、石油钻井平台等海洋工程设施在强风作用下可能遭受结构性损害，影响正常作业，甚至引发环境污染和安全事故。此外也可能导致渔网损坏、渔船受损，影响渔业捕捞活动，对渔民的生活和经济收入造成损失
2、对于海上航行、渔业作业、海上石油勘探与开发等活动，准确的风速风场预报能够提前警示潜在的恶劣天气条件，如强风、台风、风暴潮等，从而允许相关人员及时采取措施，避免事故发生，保护生命财产安全。海上风速风场预报的主要意义和目的在于提高航海安全、优化海洋经济活动、提升海洋气象预报精度、支持海洋工程建设与运营、增强海洋环境监测与保护、推动科学研究与技术创新、服务公众与社会需求，以及优化国际航运与贸易。通过准确的海上风速风场预报，船舶和渔民可以避开大风区域，确保航海和渔业生产的安全性。同时，及时的预报还能够预警可能的灾害性天气，减少台风、风暴潮等带来的损失，对沿海地区防灾减灾至关重要。在经济发展方面，风速风场预报不仅能提高海上运输的效率，降低风险，还有助于风电场等新能源项目的建设和运营，利用海陆风的特性和风速廓线进行精准的风速预报，从而确保风电场的安全和高效运行。并且，长期的风速风场数据分析还能支持气候变化研究
3、综上所述，海上风速风场预报不仅关系到航海安全和经济效率，还在环境保护、科学研究和技术创新等多个领域发挥着重要作用。随着科技的进步和预报技术的提高，这一领域将在保障人类社会发展和保护自然环境方面发挥更加显著的作用。
4、当前，海表面风速的监测预报手段主要包括气象站点观测和卫星遥感监测。气象观测站获取的实测信息通常是精度较高的单点连续的能见度数据，然而沿海以及海上浮标等稀疏站点观测，无法满足时空尺度上大范围的风速预报监测需求；此外，随着全球气候的异常变化加剧，海上风速的时空变化和分布模式日益复杂，以观测站点粗略代表面域难以精准表征风速在连续空间上的异质性，给区域尺度的预报分析带来了极大的不确定性。遥感组网观测技术的连续空间覆盖为海上风速演化的空间分布提供了可靠的数据支撑。然而，现有的研究对海上风速二维场的预报还尚未建立结合多源异构再分析数据的高精度估算模型。此外数值模型通常对受到多模态因素的交互耦合影响考虑不足，极易导致气象水文要素的时空异质性耦合信息丢失。
5、国内外相关的基于机器学习和深度学习的海上风场预报主要集中在了对基于观测站点的一维风速时间序列预报研究，例如采用卷积神经网络以及各种集成机器学习方法预报一维风速时间序列的演化特征。最新的基于卷积神经网络的海风研究也主要集中在了低分辨率的区域海上风速分布的预报分析。未能将海上风速场的二维场时空特征变化进行融合预报分析，也没有把海上风场的时空异质性和影响其生消变化多模态多因子时空耦合因素进行深入探讨分析。进而无法提供精细化的高分辨率二维风场分布演化预报。
技术实现思路
1、有鉴于此，本专利技术提供了高分辨率海上风速二维分布场预报方法及系统，借助多源异构的再分析数据信息，充分考虑影响海上风速间歇性和突变性特征的多模态多因子要素，构建一种基于残差学习和多头注意力机制的深度可分离卷积二维u形编码解码器，并进一步基于海风多预报因子要素和，预报海上风速二维场时空动态分布。弥补海上风速场精细化高分辨率二维场信息时空预报方面的研究技术空缺。
2、为此，本专利技术提供了以下技术方案：
3、本专利技术提供了一种高分辨海上风速二维分布场预报方法，包括以下步骤：
4、s1、对影响风速空间变化的各个多模态气象因子二维场信息进行区域截取汇总收集，选择相对应海域的海上风场高分辨二维场分布信息；
5、s2、计算各个气象因子与风速二维场的自相关系数，获取各气象因子权重因子；根据权重因子筛选有效气象因素；
6、s3、构建基于u形深度可分离二维卷积神经网络的海上风速时空变化二维场预报分析模型，所述模型以有效气象因素作为输入，输出风场时空变化二维场预报结果；所述模型为u形深度二维卷积神经网络模型，所述u形深度二维卷积神经网络模型包括采用2d深度可分离卷积层搭建的深度编码解码器、将残差学习机制以及多头注意力机制模块；编码器提取具有低阶非线性信息的张量序列的高维特征图；解码器导出高维度语义信息；残差学习机制控制模型信息流的特征提取和保真融合，将潜在的物理扰动信息提取并保留在各个变量的原始高维映射空间；每一个残差模块的输出信息流为原始信息流与经过卷积映射的输出信息流之和；多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵；
7、s4、对所述模型进行训练，并使用训练好的模型对二维风速场信息进行预报。
8、进一步地，影响海表面风速场空间变化的各个多模态气象因子，包括：浪场、海表面温度场、气压场、湿度场和空气密度场。
9、进一步地，s1包括：
10、s11、汇总收集选定区域的各个多模态气象因子的时间序列空间变化信息，汇总所述选定区域的海上风速场分布范围，作为风速潜在空间变化分布的目标变量；
11、s12、采用z-score标准化操作，对低于风速场以及各个气象因子张量进行数据标准化处理。
12、进一步地，s2包括：
13、s21、建立时间序列相关函数和偏自相关函数；
14、s22、计算各个气象因子的时间和空间均值序列，采用相关分析函数计算各因子与目标风速场因子的相关性权重；
15、s23、剔除负相关权重因子，保留正相关气象因子变量。
16、进一步地，多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵，包括：针对叠加融合多个气象因子的输入张量，采用三次线性投影三个聚合的注意力特征矩阵，三个投影矩阵的值、查询和键矩阵进行并行计算，最终计算得到包含深度高层次语义和特征的投影权重矩阵。
17、进一步地，采用huber loss函数作为预报模型的损失函数，计算预报值与目标值之间的误差：
18、
19、其中，ψ为本专利技术创建的海上风速二维场预报数据，o表示风速场的再分析数据。
20、进一步地，s4包括：
21、s41本文档来自技高网...
【技术保护点】
1.一种高分辨海表面二维风场分布与演化预报方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，影响海表面风速变化以及空间变化的多模态气象因子，包括：浪场、海表面温度场、气压场、湿度场和空气密度场。
3.根据权利要求2所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，S1包括：
4.根据权利要求3所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，S2包括：
5.根据权利要求4所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，多头注意力机制模块将包含多个气象因子的高维特征信息映射到编码解码器的多维特征矩阵，包括：针对叠加融合多个气象因子的输入张量，采用三次线性投影三个聚合的注意力特征矩阵，三个投影矩阵的值、查询和键矩阵进行并行计算，最终计算得到包含深度高层次语义和特征的投影权重矩阵。
6.根据权利要求5所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，采用Huber loss函数作为预报模型的损失函数，计算预报值与目
7.根据权利要求6所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，S4包括：
8.一种高分辨海表面二维风场分布与演化预报系统，其特征在于，包括：
...【技术特征摘要】
1.一种高分辨海表面二维风场分布与演化预报方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，影响海表面风速变化以及空间变化的多模态气象因子，包括：浪场、海表面温度场、气压场、湿度场和空气密度场。
3.根据权利要求2所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，s1包括：
4.根据权利要求3所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，s2包括：
5.根据权利要求4所述的一种高分辨海表面二维风场分布与演化预报方法，其特征在于，多头注意力机制模块将包含多...
【专利技术属性】
技术研发人员：张泽国，尹建川，曹亮，王立军，
申请(专利权)人：广东海洋大学，
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。