基于注意力机制的海表面温度数值预报偏差订正方法

1.基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，包括以下步骤：步骤一：对模式预报数据及遥感卫星海温数据进行预处理，构建输入序列，包括：(1)获取模式预报数据及作为参考值的遥感卫星海温数据，提取海洋环境数据；(2)构建时间列，通过滑动窗口获得时间的特征数量，再添加海洋特征影响因素，海洋特征影响因素包括海温、盐度、水流的U和V向量，得到模型的输入历史SST序列；(3)将上述步骤获得的历史SST序列数据进行标准化处理；步骤二：构建订正模型，包括：(1)空间特征提取：利用三维卷积将三维核与多个连续矩阵叠加形成的立方体进行卷积，提取海温数据的空间依赖性特征以及多个环境变量之间的联系；(2)对经过三维卷积后的数据序列利用3D-CBAM注意机制提高三维卷积网络空间特征的利用率，并显示不同环境变量对结果的重要性；所述3D-CBAM注意力机制由通道注意模块和空间注意模块两个部分组成；将通道注意模块Mc和输入特征矩阵F相乘得到空间注意模块的输入矩阵Ms；将空间注意模块Ms和该模块的输入F’相乘，得到最终生成的特征矩阵；(3)将上述步骤得到的特征矩阵数据序列输入到模型的ConvLSTM部分；使用Attention机制，在ConvLSTM网络后面添加一个自定义的注意层，利用ConvLSTM模型每一步的隐藏层状态，将时间注意力权重分配到每个时间步的隐藏层状态；调整最终的ConvLSTM输出，得到最终的订正结果；注意层将ConvLSTM每次迭代的输出h t 作为输入；然后通过Softmax运算得到每个输出向量的权值AT(h t )；最后，将注意力权值AT(h t )与隐藏层状态h t 相乘，得到最后的订正结果Y t ，计算公式如下:其中，W为权值矩阵(4)搭建并训练上述步骤所得的订正模型，不断调整参数，择优选取参数获得海表面温度订正模型；步骤三：利用订正模型对模式预报数据进行订正；(1)将标准化处理后的时间列预报数据输入步骤二获得的海表面温度订正模型，得到订正后的输出结果；采用均方误差作为损失函数，损失函数的计算公式为：其中n表示格点数据中的格点数， 是格点的真值数据，y i 是网络订正的数据；搭建模型后，设置模型的输入维度和输入数据的时间步长；设置模型优化器和学习速率；设置隐层神经节点数；设置模型迭代次数；不断调整参数，以模型损失查看模型收敛程度，择优选取收敛度参数，形成最终海温订正模型；(2)对模型输出结果反标准化处理，反标准化方法和步骤一中的标准化方法相对应，处理得到订正后的SST值；步骤四：利用平均绝对误差MAE、平均绝对百分比误差MAPE、均方误差MSE和均方根误差RMSE评价指标对模型订正后结果精度进行评价。 2.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，采用双线性插值的方法，统一预报数据和遥感卫星观测数据的时空分辨率。 3.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，对于历史数据序列X，其中任意时刻t的SST数据和其他海洋环境变量组成的Xt都是W×H×C规格的网格数据，整个模型的输入为一个五维张量，表示为B×T×C×W×H，其中B是一批训练样本的数量，T是序列数据的长度，W和H是SST字段的长度和宽度，C是加入的海洋环境变量数。 4.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，所述标准化处理的公式如下：其中，X max ,X min 为分别为序列数据中的最大值和最小值。 5.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，所述通道注意模块计算公式如下：Mc(F)＝σ(MLP(MaxPool3D(F))+MLP(AvgPool3D(F)))其中MLP表示多层感知机，MaxPool3D表示最大池化，AvgPool3D表示平均池化，F是输入的特征矩阵；所述空间注意模块的输入矩阵Ms为：Ms(F)＝σ(f 3×3 ([MaxPool3D(F)；AvgPool3D(F)]))其中，f是一个3×3的卷积操作。 6.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，所述ConvLSTM网络的计算公式如下：i t ＝σ(w xi *x t +w hi *h t-1 +w ci ·c t-1 +b i )f t ＝σ(w xf *x t +w hf *h t-1 +w cf -c t-1 +b f )c t ＝f t ·c t-1 +i t ·tanh(w xc *x t +w hc *h t-1 +b c )o t ＝σ(w xo *x t +w ho *c t-1 +w co ·c t +b o )h t ＝o t ·tanh(c t )其中i t 表示输入门，f t 表示遗忘门，o t 表示输出门，c t 表示单元状态，w为权值矩阵，w xi 是输入门x t 的权值矩阵，w xf 是遗忘门x t 的权值矩阵，w xc 是单元状态计算中x t 的权值矩阵，w ho 是输出门x t 的权值矩阵，b为偏置项，b i 是输入门的偏置项，b f 是遗忘门的偏置项，b c 是单元状态的偏置项，b o 是输出门的偏置项是，x t 是输入矩阵，h t-1 是t-1时刻的隐藏层状态，c t-1 是t-1时刻的记忆状态。 7.根据权利要求1所述的基于注意力机制的海表面温度数值预报偏差订正方法，其特征在于，所述均方误差MSE、均方根误差RMSE、平均绝对误差MAE和平均绝对百分比误差MAPE的计算方法如下：其中y i 为真实值， 为估计值，n为样本个数。