【技術實現步驟摘要】
本專利技術屬于水文、海洋，具體涉及一種基于傅里葉神經算子的海洋三維溫鹽流預測方法及系統。
技術介紹
1、海洋溫度、鹽度和流結構的長期變化與我國沿海地區的氣候、生態環境及海上作業密切相關。了解這些變化規律是確保海洋資源開發、改善海洋環境質量和維持生態平衡的重要科學基礎。此外，這對于理解海洋動力學、氣候系統和生態系統同樣至關重要。海水溫度和鹽度的變化直接影響大洋環流、全球水循環以及海洋—氣候系統的演變，進而影響海洋對全球氣候變化的調節能力。這些變化還與關鍵的海洋—大氣熱力過程緊密關聯，包括海洋熱浪的發生、溫躍層的形成、厄爾尼諾現象的發展以及深水的生成。因此，精確估算海洋內部的溫度場和鹽度場對于理解海洋生態系統、海洋動力學以及氣候變化至關重要。
2、目前，溫鹽流預測主要依賴于數值模型和統計方法。這些方法通常基于一系列物理方程（如navier-stokes方程、能量傳輸方程等）來模擬海洋環境的行為。盡管這些方法能夠在一定程度上提供有用的預測結果，但它們仍存在一些固有的局限性：數值模擬需要大量的計算資源，尤其是在進行三維空間和長時間尺度的模擬時；海洋觀測數據往往分布稀疏且不連續，這對模型的校準和驗證構成了挑戰；長時間預測時，模型內部的誤差會逐漸累積，導致預測精度下降；而且復雜海洋現象中的非線性相互作用難以被傳統模型完全捕捉。這些方法高度依賴于參數設定和人類的認知水平，因此對于復雜海洋過程的模擬效果有限。尤其在實時預測方面，傳統方法難以準確預測海洋極端事件，且復雜動力學方程的求解難度大。
技術實現思路
1、本專利技術的目的是為了解決傳統海洋三維溫鹽流數值模擬的研究存在計算資源消耗大和時間長的問題，提出了一種基于傅里葉神經算子的海洋三維溫鹽流預測方法及系統。
2、本專利技術的技術方案為：第一方面，一種基于傅里葉神經算子的海洋三維溫鹽流預測方法，包括以下步驟：
3、s1.獲取不同深度層的海洋溫度數據、海洋鹽度數據和海洋流速數據；
4、s2.構建基于傅里葉神經算子架構的海洋三維溫鹽流預測模型；
5、s3.將海洋溫度數據、海洋鹽度數據和海洋流速數據輸入海洋三維溫鹽流預測模型，輸出得到海洋三維溫鹽流預測結果。
6、本專利技術的有益效果是：
7、本專利技術通過基于傅里葉神經算子架構的海洋三維溫鹽流預測模型?從海洋溫鹽流歷史數據中進行學習，從而準確高效預測海洋三維溫鹽流狀況，為海洋科學研究和應用提供強有力的支持，為海洋環境監測、氣候研究以及海洋資源管理等領域帶來重大的技術進步。
8、作為優選，所述步驟s2具體包括以下分步驟：
9、s21.對不同深度層的海洋溫度數據、鹽度數據和流速數據進行數據清洗、缺失值填充和歸一化處理，得到四維的海洋溫鹽流數據集；
10、s22.構建基于傅里葉神經算子的網絡模型，并將四維的海洋溫鹽流數據集輸入基于傅里葉神經算子的網絡模型中進行訓練，得到基于傅里葉神經算子架構的海洋三維溫鹽流預測模型。
11、作為優選，所述歸一化處理具體為：對各數據值減去數據集的均值并除以標準差，得到四維的海洋溫鹽流數據集；所述標準差中添加有常數0.00001。
12、作為優選，步驟s2中所述的海洋三維溫鹽流預測模型包括依次連接的位置編碼模塊、提升模塊、三個堆疊的傅里葉神經算子模塊和映射模塊；所述提升模塊包括依次連接的全連接層和線性層；所述映射模塊包括依次連接的全連接層和線性層；
13、所述位置編碼模塊，用于接收海洋溫度數據、海洋鹽度數據和海洋流速數據，并對所述海洋溫度數據、海洋鹽度數據和海洋流速數據進行位置編碼，輸出具有空間信息特征的海洋三維溫鹽流張量；
14、所述提升模塊，用于接收所述具有空間信息特征的海洋三維溫鹽流張量，并對所述具有空間信息特征的張量進行維度擴展，輸出高維的編碼張量；
15、所述傅里葉神經算子模塊，用于接收所述高維的編碼張量，并對所述高維的編碼張量進行空間混合和通道混合，輸出混合后的張量；
16、所述映射模塊，用于接收所述混合后的張量，并對所述混合后的張量進行特征解碼，輸出目標輸出特征，即海洋三維溫鹽流預測結果。
17、作為優選，三個所述堆疊的傅里葉神經算子模塊均包括依次連接的空間混合單元、第一歸一化層、通道混合單元和第二歸一化層；所述空間混合單元的輸入端還與第一殘差連接單元的輸入端相連接，所述第一殘差連接單元的輸出端與第一歸一化層的輸入端相連接；所述空間混合單元的輸出端還與第二殘差連接單元的輸入端相連接，所述第二殘差連接單元的輸出端與第二歸一化層的輸出端相連接；
18、所述空間混合單元包括依次連接的傅里葉變換層、兩層堆疊的線性層、逆傅里葉變換層和激活層；
19、所述通道混合單元包括依次連接的全連接層和線性層。
20、作為優選，所述步驟s3具體包括以下分步驟：
21、s31.對海洋溫度數據、海洋鹽度數據和海洋流速數據進行位置編碼，得到具有空間信息特征的海洋三維溫鹽流張量；
22、s32.將具有空間信息特征的海洋三維溫鹽流張量從低緯度映射至高維的空間，得到高維的編碼張量；
23、s33.基于傅里葉變換對高維的編碼張量進行空間混合和通道混合，得到混合后的張量；
24、s34.對混合后的張量進行特征解碼，得到目標輸出特征，即海洋三維溫鹽流預測結果。
25、作為優選，所述步驟s33具體包括以下分步驟：
26、s331.將高維的編碼張量輸入傅里葉神經算子模塊，對高維的編碼張量進行重塑，得到形狀的張量，其中，表示高維的編碼張量的通道數，表示緯度格點數，表示經度格點數；
27、s332.沿水平方向對形狀的張量進行傅里葉變換，并保留傅里葉變換后的沿張量高度方向的前個頻率的張量和沿張量寬度方向的前個頻率的張量，得到形狀的張量；
28、s333.對形狀的張量進行相位調整、振幅調整以及傅里葉逆變換，并重塑為形狀的張量，完成空間混合；
29、s334.利用可學習權重和非線性激活函數，將形狀的張量的個通道映射至新的個通道集合，完成通道混合，得到混合后的張量。
30、作為優選，所述步驟s34具體包括以下公式：
31、將混合后的張量線性映射至中間特征，具體公式為：
32、
33、其中，表示中間特征，表示relu激活函數，表示權重矩陣，表示混合后的張量，表示偏置項；
34、將中間特征映射為通道的目標輸出特征，具體公式為：
35、
36、其中，表示目標輸出特征，表示權重矩陣，表示偏置項。
37、上述優選方案的有益效果是：
38、1.傅里葉神經算子模塊中設置有一條繞過空間和通道混合部分的殘差路徑，能夠有效補償因丟棄高頻模態而可能引起的小尺度變化。
39、2.通過傅里神經葉算子模塊的空間混合和通道混合，使得海洋三本文檔來自技高網...
【技術保護點】
1.一種基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述步驟S2具體包括以下分步驟：
3.根據權利要求2所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述歸一化處理具體為：對各數據值減去數據集的均值并除以標準差，得到四維的海洋溫鹽流數據集；所述標準差中添加有常數0.00001。
4.根據權利要求1所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，步驟S2中所述的海洋三維溫鹽流預測模型包括依次連接的位置編碼模塊、提升模塊、三個堆疊的傅里葉神經算子模塊和映射模塊；所述提升模塊包括依次連接的全連接層和線性層；所述映射模塊包括依次連接的全連接層和線性層；
5.根據權利要求4所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，每個所述堆疊的傅里葉神經算子模塊均包括第一殘差連接單元、第二殘差連接單元，以及依次連接的空間混合單元、第一逐元素相加單元、第一歸一化層、通道混合單元、第二歸一化層和第二
6.根據權利要求4所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述步驟S3具體包括以下分步驟：
7.根據權利要求6所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述步驟S33具體包括以下分步驟：
8.根據權利要求6所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述步驟S34具體包括以下公式：
9.一種基于傅里葉神經算子的海洋三維溫鹽流預測系統，其特征在于，包括處理器，所述處理器用于執行權利要求1-8中任一項所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法。
10.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲計算機指令，響應于計算機讀取存儲介質中的計算機指令后，計算機執行如權利要求1-8任一項所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法。
...【技術特征摘要】
1.一種基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述步驟s2具體包括以下分步驟：
3.根據權利要求2所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，所述歸一化處理具體為：對各數據值減去數據集的均值并除以標準差，得到四維的海洋溫鹽流數據集；所述標準差中添加有常數0.00001。
4.根據權利要求1所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，步驟s2中所述的海洋三維溫鹽流預測模型包括依次連接的位置編碼模塊、提升模塊、三個堆疊的傅里葉神經算子模塊和映射模塊；所述提升模塊包括依次連接的全連接層和線性層；所述映射模塊包括依次連接的全連接層和線性層；
5.根據權利要求4所述的基于傅里葉神經算子的海洋三維溫鹽流預測方法，其特征在于，每個所述堆疊的傅里葉神經算子模塊均包括第一殘差連接單元、第二殘差...
【專利技術屬性】
技術研發人員：施宇誠，徐廣珺，王睿，吳家倫，林之夏，
申請(專利權)人：廣東海洋大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。