-
公开(公告)号：CN115016041A
公开(公告)日：2022-09-06
申请号：CN202210948017.4
申请日：2022-08-09
申请人： 中国科学院自动化研究所 , 青岛海洋科学与技术国家实验室发展中心 , 天津大学
摘要： 本发明提供一种台风强度确定方法、装置、电子设备及存储介质，该方法涉及人工智能技术领域，包括：获取台风图像；将台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；基于台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；基于先验知识信息和属性信息，确定目标台风的隐式特征；基于图像特征和所述隐式特征，确定目标台风的强度。本发明提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，提升了台风强度确定的准确率。
-
公开(公告)号：CN115016041B
公开(公告)日：2022-10-28
申请号：CN202210948017.4
申请日：2022-08-09
申请人： 中国科学院自动化研究所 , 青岛海洋科学与技术国家实验室发展中心 , 天津大学
摘要： 本发明提供一种台风强度确定方法、装置、电子设备及存储介质，该方法涉及人工智能技术领域，包括：获取台风图像；将台风图像输入至卷积神经网络，得到卷积神经网络输出的图像特征；基于台风图像，构建台风图像对应的目标台风的知识图谱；知识图谱用于表示目标台风的先验知识信息和属性信息；基于先验知识信息和属性信息，确定目标台风的隐式特征；基于图像特征和所述隐式特征，确定目标台风的强度。本发明提供的方法，通过构建台风图像对应的目标台风的知识图谱，确定目标台风的隐式特征，及将卷积神经网络得到的图像特征和隐式特征进行结合，实现了先验知识在训练过程中的嵌入，提升了台风强度确定的准确率。
-
公开(公告)号：CN115114411B
公开(公告)日：2022-12-30
申请号：CN202211045030.5
申请日：2022-08-30
申请人： 中国科学院自动化研究所 , 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明提供一种基于知识图谱的预测方法、装置和电子设备，涉及大数据处理技术领域。该方法包括：获取目标海域历史时段的监测数据，将所述监测数据表示为时序知识图谱；将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入；从所述时序知识图谱中提取平滑缓解信息，基于所述平滑缓解信息对所述第一嵌入进行调整，获得第二嵌入，根据所述第二嵌入确定所述目标海域目标时段的预测数据。本发明从时序知识图谱中提取平滑缓解信息，并通过平滑缓解信息对第一嵌入进行调整，能够避免循环图神经网络层次较多导致的过平滑问题。
-
公开(公告)号：CN115114411A
公开(公告)日：2022-09-27
申请号：CN202211045030.5
申请日：2022-08-30
申请人： 中国科学院自动化研究所 , 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明提供一种基于知识图谱的预测方法、装置和电子设备，涉及大数据处理技术领域。该方法包括：获取目标海域历史时段的监测数据，将所述监测数据表示为时序知识图谱；将所述时序知识图谱输入循环图神经网络，获得所述时序知识图谱的第一嵌入；从所述时序知识图谱中提取平滑缓解信息，基于所述平滑缓解信息对所述第一嵌入进行调整，获得第二嵌入，根据所述第二嵌入确定所述目标海域目标时段的预测数据。本发明从时序知识图谱中提取平滑缓解信息，并通过平滑缓解信息对第一嵌入进行调整，能够避免循环图神经网络层次较多导致的过平滑问题。
-
公开(公告)号：CN115113303A
公开(公告)日：2022-09-27
申请号：CN202210703932.7
申请日：2022-06-21
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明公开了一种基于元学习的厄尔尼诺极端天气预警方法及装置，包括：设计全局引导的注意力机制引导低层特征的学习，并利用互信息约束加强不同层级海洋特征的表征一致性，将多层级海洋特征拼接为全局特征，利用该全局特征对厄尔尼诺指数进行预测；对每个元训练任务，利用元学习算法对多层级厄尔尼诺指数预测网络进行参数训练，得到能够处理不同时期数据，且有适应能力的网络参数；以元训练阶段优化好的参数作为初始化参数，在SODA数据集上对多层级厄尔尼诺指数预测网络进行进一步微调；在GODAS数据集上进行最终厄尔尼诺指数预测；建立最终厄尔尼诺指数与降雨量的映射函数，当预测降雨量达到一定阈值时进行预警并提前进行汛期防治工作。
-
公开(公告)号：CN114724012B
公开(公告)日：2022-08-23
申请号：CN202210651501.0
申请日：2022-06-10
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
IPC分类号： G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G01W1/10
摘要： 本发明公开了一种基于时空跨尺度注意力融合热带不稳定波预警方法及装置，方法包括：将多尺度空间数据输入对应的分支网络进行相应尺度下特征图的计算，并计算正则化损失；将多尺度特征图利用双边局部注意力机制实现跨尺度空间图融合，生成全局特征描述图计算预测损失，并将预测损失与正则化损失联合用于神经网络的优化训练；基于优化训练后的神经网络对时刻T的海表温度进行预测，选择T时刻之前的K个时刻数据输入优化训练后的神经网络，该优化训练后的神经网络的输出为热带不稳定波的预测值，通过将预测值与坐标关联，绘制热带不稳定波的时空图像，实现对热带不稳定波的预警。装置包括：处理器和存储器。本发明对热带不稳定波的高效预警，减少了自然灾害。
-
公开(公告)号：CN114692788B
公开(公告)日：2022-08-19
申请号：CN202210611385.X
申请日：2022-06-01
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明公开了一种基于增量学习的厄尔尼诺极端天气预警方法及装置，方法包括：基于增量训练，即使用一多尺度特征频域蒸馏技术，选择性地约束多尺度特征低频分量的漂移，记忆并行卷积神经网络在旧任务中学到的知识；使用一多尺度特征自适应融合技术，根据输入多尺度数据不同的时间跨度，自适应学习不同的融合参数，增强对新任务的学习能力；自适应融合后的特征通过全连接层，输出反映厄尔尼诺现象变化规律的Nino3.4指数，建立极端降雨概率的映射函数，预测值超过阈值则进行暴雨预警并提前开展输电线路暴雨防治工作。装置包括：处理器和存储器。本发明可以有效的提升增量的厄尔尼诺现象下降雨量预测的准确度，减轻自然灾害。
-
公开(公告)号：CN114692788A
公开(公告)日：2022-07-01
申请号：CN202210611385.X
申请日：2022-06-01
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明公开了一种基于增量学习的厄尔尼诺极端天气预警方法及装置，方法包括：基于增量训练，即使用一多尺度特征频域蒸馏技术，选择性地约束多尺度特征低频分量的漂移，记忆并行卷积神经网络在旧任务中学到的知识；使用一多尺度特征自适应融合技术，根据输入多尺度数据不同的时间跨度，自适应学习不同的融合参数，增强对新任务的学习能力；自适应融合后的特征通过全连接层，输出反映厄尔尼诺现象变化规律的Nino3.4指数，建立极端降雨概率的映射函数，预测值超过阈值则进行暴雨预警并提前开展输电线路暴雨防治工作。装置包括：处理器和存储器。本发明可以有效的提升增量的厄尔尼诺现象下降雨量预测的准确度，减轻自然灾害。
-
公开(公告)号：CN114913400A
公开(公告)日：2022-08-16
申请号：CN202210575115.8
申请日：2022-05-25
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
摘要： 本发明公开了一种基于知识蒸馏的海洋大数据协同表示的预警方法及装置，方法包括：构造用于提取不同尺度的输入数据特征的多尺度自注意力网络，作为知识蒸馏的教师网络，分别用于预测TIWs任务以及ENSO任务；构造一单尺度网络用于预测TIWs以及ENSO任务，作为知识蒸馏的学生网络，分别利用多尺度教师网络提取两个任务数据的不同尺度的SST图的特征序列，并将特征序列聚合后连接到学生网络的主干卷积层中，进行基于特征序列的知识蒸馏；获取训练后的学生网络；基于训练后的学生网络对ENSO、TIWs现象进行预测，当超过相应的阈值时，进行ENSO、TIWs现象的预警，减少ENSO、TIWs灾难的发生。装置包括：处理器和存储器。本发明提高了TIWs和ENSO的预警精度，减少了灾难性的发生。
-
公开(公告)号：CN114724012A
公开(公告)日：2022-07-08
申请号：CN202210651501.0
申请日：2022-06-10
申请人： 天津大学 , 青岛海洋科学与技术国家实验室发展中心
IPC分类号： G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G01W1/10
摘要： 本发明公开了一种基于时空跨尺度注意力融合热带不稳定波预警方法及装置，方法包括：将多尺度空间数据输入对应的分支网络进行相应尺度下特征图的计算，并计算正则化损失；将多尺度特征图利用双边局部注意力机制实现跨尺度空间图融合，生成全局特征描述图计算预测损失，并将预测损失与正则化损失联合用于神经网络的优化训练；基于优化训练后的神经网络对时刻T的海表温度进行预测，选择T时刻之前的K个时刻数据输入优化训练后的神经网络，该优化训练后的神经网络的输出为热带不稳定波的预测值，通过将预测值与坐标关联，绘制热带不稳定波的时空图像，实现对热带不稳定波的预警。装置包括：处理器和存储器。本发明对热带不稳定波的高效预警，减少了自然灾害。
-
-
-
-
-
-
-
-
-
搜索结果
209 条记录 (耗时 0.084 秒)
