-
公开(公告)号：CN114399073A
公开(公告)日：2022-04-26
申请号：CN202111419175.2
申请日：2021-11-26
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于深度学习的海洋表面温度场预测方法，属于海洋观测技术领域，该方法首先获取含有海洋表面多个特征的数据样本库，对不同特征进行预处理，得到具有时空关联性的海洋表面温度场时空样本库；其次基于所述的海洋表面温度场时空样本库，利用卷积长短期记忆网络建立海洋表面温度预测模型：预测模型的输入为过去多个时刻的多个海洋表面环境特征，包括海表面温度、海表面盐度、海面高度，模型的输出为海洋表面未来时刻的温度场数据；预测模型的最终输出为目标海域t+1，t+2,t+3时刻的预测温度场。本发明利用深度学习的强非线性映射能力和多模态融合能力来开展海洋表面温度场的预测研究，实现了海洋表面温度场及时、准确、轻量化的预测。
-
公开(公告)号：CN112949178A
公开(公告)日：2021-06-11
申请号：CN202110224589.3
申请日：2021-03-01
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06Q10/04 , G06F111/06
Abstract: 本发明涉及一种基于深度学习的海面风场风速智能预测预报系统、计算机设备、存储介质。本发明涉及大气海洋数值预报和深度学习领域。包括混合递归神经网络预测模型，所述模型建立包括以下流程：采集并预处理海面风场风速数据，重构数据时空连续性，搭建混合神经网络模型，以及评估模型性能和对预测结果进行可视化。首先，下载并对海面风场风速数据集进行预处理；其次对海面风速数据进行维度重构，以坐标格点为单位，提取出连续的海面风场时间序列；再次搭建混合递归神经网络模型，主要包括一维卷积层、Dropout层和GRU层；最后对模型进行性能评估确定最优参数，再将预测结果转换回以日期为单位，经纬度网格点为坐标轴的形式，并对其进行可视化。
-
公开(公告)号：CN115470957A
公开(公告)日：2022-12-13
申请号：CN202110647400.1
申请日：2021-06-10
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于深度学习的台风期间近海海浪波高预测系统，属于时空序列预测技术领域。该系统包括基于双向门控循环单元(BiGRU)模型，所述的双向门控循环单元模型包括两个门控循环单元(GRU)组成的序列处理模型，一个输入是向前输入，另一个输入是反向输入，是一个只有输入门和忘记门双向递归神经网络。模型的输入为台风期间沿海浮标获取的实时数据与台风的实时数据，包括近海浮标获得的实时波高、气压和风速、台风中心的最低气压和实时风速、计算出的台风中心与浮标之间的距离等6个参数作为模型输入，最终输出为未来3小时、6小时、12小时以及24小时的预测波高。
-
Patent Agency Ranking
公开(公告)号：CN114417951A
公开(公告)日：2022-04-29
申请号：CN202111418981.8
申请日：2021-11-26
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于无监督机器学习的全球海洋非结构化网格自动剖分与优化方法，所述方法包括以下步骤：步骤一：将全球海洋深度数据中每一经纬度对应的海洋深度数据提取并画出等深线图。将不同深度等深线坐标集合进行分类，归类出陆地海岸线、浅海区、深海区等等深线坐标集合。步骤二：在不同等深线范围内，依据海洋深度越深，产生随机点的密度越小的原则，在不同深度的海域内产生不同密度的随机点。步骤三：将步骤二中的随机点进行Delaunay三角剖分形成非结构网格。步骤四：优化非结构网格：利用数学几何原理对非结构网格进行初步优化，然后利用基于K‑Means聚类算法对非结构化网格进行再次优化。使网格中三角形更趋近于正三角形，网格质量提升。
-
公开(公告)号：CN114398819A
公开(公告)日：2022-04-26
申请号：CN202111419285.9
申请日：2021-11-26
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于深度学习的非结构网格有效波高预测系统，包括长短期记忆模型(LSTM)，所述的非结构网格有效波高预测系统包括两个LSTM组成的时间序列处理模型，是一个具有输入门、忘记门和输出门的循环神经网络。模型的输入为FVCOM模式提供的非结构网格10000小时的有效波高数据，最终输出为未来1小时、6小时、12小时以及24小时的预测波高。
-
公开(公告)号：CN112419259A
公开(公告)日：2021-02-26
申请号：CN202011298593.6
申请日：2020-11-19
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种基于卷积神经网络的台风图像自动检测系统、计算机设备、存储介质，包括：选取台风图像数据，构建台风图像训练集；对台风图像进行数据预处理，生成所需要的训练样本；利用训练样本进行基于卷积神经网络的台风图像检测训练，生成台风图像自动检测系统；构建台风图像测试集，对训练好的模型进行测试。本发明将图像加噪算法、卷积神经网络模型集成到一种自动检测系统、计算机设备、存储介质上，针对台风图像数据能够取得很好的检测效果。
-
公开(公告)号：CN113554212A
公开(公告)日：2021-10-26
申请号：CN202110646983.6
申请日：2021-06-10
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了基于生成对抗网络的台风图像智能检测系统、计算机设备、存储介质，包括：创建包括生成器网络和判别器网络的生成对抗网络模型；固定生成器网络、训练判别器网络，固定判别器网络、训练生成器网络；使用训练好的生成对抗网络模型，对台风图像进行智能检测；存储训练日志、网络参数等所有数据到指定目录下。本发明将生成对抗网络集成到自动检测系统、计算机设备、存储介质上，针对台风图像能够取得很好的检测效果。
-
公开(公告)号：CN112950761A
公开(公告)日：2021-06-11
申请号：CN202110224201.X
申请日：2021-03-01
Applicant: 中国石油大学(华东)
IPC: G06T17/00
Abstract: 本发明涉及一种基于Delaunay三角网的全球海洋三角单元网格生成方法与系统。本发明涉及海洋信息处理技术领域。所述方法与系统包括以下步骤：步骤一：全球海洋深度数据预处理：将数据中每一经纬度对应的海洋深度数据提取并画出等深线图。依据全球海洋深度数据提取出不同深度等深线坐标集合，将不同深度等深线坐标集合进行分类，归类出陆地海岸线、浅海区、较深海区、深海区等深线坐标集合。步骤二：产生随机点：在不同等深线范围内，即在不同深度的海域内，依据海洋深度越深，产生随机点的密度越小的原则，在不同深度的海域内产生不同密度的随机点。等深线上的点依据固定间隔取点的方式获取点坐标集。步骤三：产生三角网格：利用delaunay三角化算法将步骤二中海域内生成的随机点和等深线上间隔取点获取的点进行delaunay三角剖分形成三角网格。步骤四：调整三角网格：去掉所有在陆地上的三角网格，并对网格中存在一个内角小于30度的三角形进行调整，使其趋向于正三角形。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
