基于VIT模块的海洋数据预测方法及系统与流程

本发明涉及海洋预报，具体地说，尤其是涉及一种基于vit模块的海洋数据预测方法及系统。

背景技术：

1、当前主流的海洋表面高度预报和涡旋预报以数值模式为主，但是在实际中，基于这种模式对预报的准确性、实时性和适应性存在很大的限制，无法为海洋相关行业和领域的决策和应用提供更强大的支持。

2、因此，为解决上述缺陷，亟需开发一种克服上述缺陷的一种采用人工智能的基于vit模块的海洋数据预测方法及系统。

技术实现思路

1、针对上述问题，本发明提供一种基于vit模块的海洋数据预测方法，其中，包括：

2、数据获取步骤：获取一第一设定时间内的现有海表面高度数据；

3、未来海表面高度数据获得步骤：基于所述现有海表面高度数据通过基于vit模块的海表面高度预测模型获得未来一第二设定时间内的未来海表面高度数据；

4、旋涡数据获得步骤：基于所述未来海表面高度数据通过旋涡预测模型获得对应所述未来海表面高度数据的旋涡数据；

5、其中，所述未来海表面高度数据包括海表面高度值，所述旋涡数据包括涡旋进行位置，旋涡半径及旋涡旋转方向。

6、上述的海洋数据预测方法，其中，所述未来海表面高度数据预测步骤包括：

7、时序数据集获得步骤：获取业务化卫星的海表面高度遥感数据，并对数据进行处理后形成时序数据集；

8、模型构建获得步骤：基于vit模块搭建初始海表面高度预测模型后，通过所述时序数据集对所述初始海表面高度预测模型进行训练和测试获得最终的所述海表面高度预测模型；

9、未来海表面高度数据预测步骤：根据第i天及第i天之前的n天的现有海表面高度数据通过所述海表面高度预测模型获得第i+1天的所述未来海表面高度数据；

10、其中，i为当前日期为，n为正整数。

11、上述的海洋数据预测方法，其中，所述时序数据集获得步骤包括：

12、获取日均的所述海表面高度遥感数据；

13、将所述海表面高度遥感数据按照一设定顺序排序后，对所述海表面高度遥感数据进行归一化处理；

14、将归一化处理后的所述海表面高度遥感数据进行划分形成训练数据和对应所述训练数据的真值；

15、通过所述训练数据和所述真值构建出所述时序数据集。

16、上述的海洋数据预测方法，其中，所述模型构建获得步骤包括：

17、构建块嵌入层，通过所述嵌入层将输入数据分割为n×n的小块，并每个小块映射成一维的嵌入向量，同时将位置信息编码到该嵌入向量中；

18、构建编码器层，所述编码器层包括多个第一vit模块单元及块聚合单元，所述第一vit模块单元与所述块聚合单元交替设置，通过所述编码器层减小每一小块的长宽并增加特征通道数直至达到一第一目标后停止；

19、构建解码器层，所述解码器层包括多个第二vit模块单元及块扩展单元，所述第二vit模块单元与所述块扩展单元交替设置，通过所述解码器层增加每一小块的长宽并减小特征通道数直至达到一第二目标后停止；

20、构建mlp线性层，通过对每一小块进行预测获得预测结果；

21、通过所述时序数据集对所述初始海表面高度预测模型进行训练和测试获得最终的所述海表面高度预测模型。

22、上述的海洋数据预测方法，其中，每一所述第一vit模块单元及所述第二vit模块单元均包括至少一vit模块。

23、上述的海洋数据预测方法，其中，所述旋涡数据获得步骤包括：

24、滤波步骤：对所述未来海表面高度数据进行滤波处理；

25、旋涡数据预测步骤：基于滤波处理后的所述未来海表面高度数据通过旋涡预测模型获得对应所述未来海表面高度数据的旋涡数据。

26、本发明还提供一种基于vit模块的海洋数据预测系统，其中，包括：

27、数据获取单元，获取一第一设定时间内的现有海表面高度数据；

28、未来海表面高度数据获得单元，基于所述现有海表面高度数据通过基于vit模块的海表面高度预测模型获得未来一第二设定时间内的未来海表面高度数据；

29、旋涡数据获得单元，基于所述未来海表面高度数据通过旋涡预测模型获得对应所述未来海表面高度数据的旋涡数据；

30、其中，所述未来海表面高度数据包括海表面高度值，所述旋涡数据包括涡旋进行位置，旋涡半径及旋涡旋转方向。

31、上述的海洋数据预测系统，其中，所述未来海表面高度数据预测单元包括：

32、时序数据集获得模块，获取业务化卫星的海表面高度遥感数据，并对数据进行处理后形成时序数据集；

33、模型构建获得模块，基于vit模块搭建初始海表面高度预测模型后，通过所述时序数据集对所述初始海表面高度预测模型进行训练和测试获得最终的所述海表面高度预测模型；

34、未来海表面高度数据预测模块，根据第i天及第i天之前的n天的现有海表面高度数据通过所述海表面高度预测模型获得第i+1天的所述未来海表面高度数据；

35、其中，i为当前日期为，n为正整数。

36、上述的海洋数据预测系统，其中，所述模型构建获得模块包括：

37、构建块嵌入层，通过所述嵌入层将输入数据分割为n×n的小块，并每个小块映射成一维的嵌入向量，同时将位置信息编码到该嵌入向量中；

38、构建编码器层，所述编码器层包括多个第一vit模块单元及块聚合单元，所述第一vit模块单元与所述块聚合单元交替设置，通过所述编码器层减小每一小块的长宽并增加特征通道数直至达到一第一目标后停止；

39、构建解码器层，所述解码器层包括多个第二vit模块单元及块扩展单元，所述第二vit模块单元与所述块扩展单元交替设置，通过所述解码器层增加每一小块的长宽并减小特征通道数直至达到一第二目标后停止；

40、构建mlp线性层，通过对每一小块进行预测获得预测结果；

41、通过所述时序数据集对所述初始海表面高度预测模型进行训练和测试获得最终的所述海表面高度预测模型。

42、上述的海洋数据预测系统，其中，所述旋涡数据获得单元包括：

43、滤波模块，对所述未来海表面高度数据进行滤波处理；

44、旋涡数据预测模块，基于滤波处理后的所述未来海表面高度数据通过旋涡预测模型获得对应所述未来海表面高度数据的旋涡数据。

45、本发明相比于传统数值模式海洋表面高度预报和涡旋预报，具有以下优势：

46、1、准确的长期趋势预测：人工智能技术有助于进行准确的长期趋势预测，对海洋气候变化和海洋生态系统的演变提供更准确的预测。

47、2、预报实时性保证：相比传统的数值模型，在每次预报时重新运行复杂的模型计算，人工智能预报能够更迅速地输出预测结果。由于模型的参数已经训练完成，只需输入新的观测数据进行推理，预报的计算时间大大减少。这种实时性使得人工智能预报能够及时捕捉到海洋环境的变化和演变，迅速提供准确的预报信息。

48、3、人工智能海洋预报产品能够通过对大量历史观测数据的学习和分析，识别出潜在的规律和模式，从而提供更准确的预测结果。深度学习算法在海洋数据处理和模式识别方面有着优秀的性能，能够自动提取特征、发现隐藏的关联和非线性关系，从而改善预测的准确性和可靠性。

49、4、人工智能海洋预报产品还具备更好的空间分辨率和可定制性。传统的数值模式由于计算效率和计算资源的限制，往往采用较大的网格间距，导致预报结果的空间分辨率有限。而基于人工智能的方法可以灵活地处理不同分辨率的数据，并且能够根据用户需求进行定制化的预报，提供更精细的预测结果。

50、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。

技术特征：

1.一种基于vit模块的海洋数据预测方法，其特征在于，包括：

2.如权利要求1所述的海洋数据预测方法，其特征在于，所述未来海表面高度数据预测步骤包括：

3.如权利要求2所述的海洋数据预测方法，其特征在于，所述时序数据集获得步骤包括：

4.如权利要求3所述的海洋数据预测方法，其特征在于，所述模型构建获得步骤包括：

5.如权利要求3所述的海洋数据预测方法，其特征在于，每一所述第一vit模块单元及所述第二vit模块单元均包括至少一vit模块。

6.如权利要求1所述的海洋数据预测方法，其特征在于，所述旋涡数据获得步骤包括：

7.一种基于vit模块的海洋数据预测系统，其特征在于，包括：

8.如权利要求7所述的海洋数据预测系统，其特征在于，所述未来海表面高度数据预测单元包括：

9.如权利要求8所述的海洋数据预测系统，其特征在于，所述模型构建获得模块包括：

10.如权利要求7所述的海洋数据预测系统，其特征在于，所述旋涡数据获得单元包括：

技术总结
本发明涉及海洋预报技术领域，具体公开了一种基于VIT模块的海洋数据预测方法及系统，包括：数据获取步骤：获取一第一设定时间内的现有海表面高度数据；未来海表面高度数据获得步骤：基于现有海表面高度数据通过基于VIT模块的海表面高度预测模型获得未来一第二设定时间内的未来海表面高度数据；旋涡数据获得步骤：基于未来海表面高度数据通过旋涡预测模型获得对应未来海表面高度数据的旋涡数据；其中，未来海表面高度数据包括海表面高度值，旋涡数据包括涡旋进行位置，旋涡半径及旋涡旋转方向，本发明在提升了海表高度预报的速度和准确性，同时降低了预报成本。

技术研发人员：吴光楠,李志勇,付艳,于海博,苏亮,罗崇鑫,王宇
受保护的技术使用者：青岛国实科技集团有限公司
技术研发日：
技术公布日：2024/9/23