[发明专利]中尺度涡轨迹平稳序列提取与循环神经网络预测方法

权利要求书

1.一种中尺度涡轨迹平稳序列提取与循环神经网络预测方法，其特征在于，包括以下步骤：

S1：收集相关数据，包括中尺度涡旋传播轨迹和海洋测深数据，并对相关数据进行数理统计，得到多特征变量序列；

S2：将非平稳的中尺度涡传播轨迹分解为K个最佳平稳子序列；

S3：建立基于改进的循环神经网络多步预测模型；所述S3中，所述改进的循环神经网络多步预测模型包括如下模块：

1）初始建立双阶段注意力循环神经网络DA-RNN；首先以长短期记忆网络LSTM为基本单元，每个LSTM单元包含一个细胞状态，对细胞状态的访问由三个门控单元控制，即遗忘门、输入门、输出门；

2）将DA-RNN第一阶段的输入注意力改进为两个加性注意力机制串联构造的空间注意力，以学习中尺度涡特征变量之间以及特征变量与预测目标之间更稳健的空间关系；

3）将DA-RNN模型编码器中单层LSTM单元改成垂直堆叠多个隐藏层大小相同的LSTM多层结构，同时将残差连接引入到堆叠的LSTM中；

4）预测阶段解码器使用另一个LSTM对编码输入进行解码，为避免长序列信息丢失问题，在解码器中采用时间注意力机制，在所有时间步长上自动选择关联最强的编码器隐藏状态；

S4：构建改进的正则化策略训练模型；所述改进的正则化策略训练模型为以所述S3中的解码器为基础进行改进，首先将解码器分成两种模式，训练阶段基于上一目标真值解码DOG，测试阶段基于模型自身预测值解码DOP，用均方误差表示两种模态下预测值的差异，模型最终的损失函数包括两部分，一部分为DOG模式下本来的损失函数Loss，另一部分为正则化项Reg；

S5：将S2分解后的所述K个最佳平稳子序列以及S1得到的多特征变量序列构成训练样本集，依次送入S3获取的改进的循环神经网络多步预测模型，并通过S4的改进的正则化策略训练模型，进行训练，分别得到训练好的循环神经网络多步预测模型和正则化策略训练模型；再将测试样本集经过S1和S2处理后，输入至训练好的循环神经网络多步预测模型和正则化策略训练模型，最终获得目标预测结果。

2.如权利要求1所述的中尺度涡轨迹平稳序列提取与循环神经网络预测方法，其特征在于，所述S1中，所述数理统计，包括如下步骤：

1) 将所述中尺度涡旋传播轨迹初始化：建立统一坐标系，将所有中尺度涡初始到达海脊边缘时间统一重置为参考原点；设中尺度涡总数为I，第i个中尺度涡表示为 ，，其中 代表给定第 i个中尺度涡的生存时间，相应地，设第i个中尺度涡的振幅、旋转速度、半径分别定义为，，；对于每个中尺度涡轨迹，将上述三个特征属性时域转换，使其到达海脊边缘时间趋于一致性对齐，如下所示：

（1）

其中， 是第 i个中尺度涡最初到达海脊边缘的时间，变换后将初始到达时间重置为 ；

2) 对所有完全穿过海脊区域的中尺度涡做时间规律性处理：令 代表第i个中尺度涡传播轨迹所历经的地理位置经纬度，设γ代表海脊区域，对任意时刻，若存在 ，则说明此中尺度涡轨迹属于完全跨越过海脊的情况；检查每个中尺度涡在整个海脊区域内传播的时间跨度，设 表示第i个中尺度涡从参考原点时间跨越整个海脊区域的持续时间，寻找所有始于海脊东侧直至抵达海脊西侧用时最长的中尺度涡， ，定义每条中尺度涡穿越整个海脊的实际时间跨度与所有中尺度涡传播轨迹中最长时间跨度 之间的时间缩放指数，之后以中尺度涡振幅时间序列（）为例，采用三次样条插值法变换为（）；假定共有J段中尺度涡振幅插值计算，第j段三次多项式曲线拟合形式为：

（2）

其中，α、β、γ和 表示待求解的三次样条插值参数，表示中尺度涡振幅拟合结果，设每段连续中尺度涡振幅数据点间距计算公式为：

（3）

三次样条约束函数值、一阶导数和二阶导数在相邻段的内部节点处必须确保都相等；以g代替表示多项式二阶导数，则对于第j个中尺度涡振幅数据段，其控制方程可写为：

（4）

以矩阵形式表示，控制方程式可简化为三对角线形式：

（5）

对于自然样条边界条件，和为零；最后，通过代入下式找到三次样条曲线特性，α、β、γ和值对应于每个段的多项式定义：

（6）

由此，将每个完全穿过海脊区域的中尺度涡轨迹设置为相等时间跨度长度；

3)对部分穿过海脊的中尺度涡进行空间归一化，对于任意，若所有，则说明此条中尺度涡属于在海脊内消亡的情况；由计算得到的，给定中尺度涡以最长时间跨度跨脊移动的标准空间距离，用以表示每一条部分穿过海脊的中尺度涡在海脊内移动的实际距离和标准距离之间的一个空间缩放指数，并相应地从参考原点时间0开始进一步修改时间跨度，以对齐每个部分穿过海脊的中尺度涡的空间距离：

（7）

其中，代表借助上述空间缩放指数调节得到的每条中尺度涡从抵达海脊到在海脊内消亡所经历的最长时间跨度，对于实际距离和标准距离，参考时域为和 ，代表每一条未完全跨越海脊的中尺度涡原始消亡的时刻；根据求得的，采用三次样条插值法，对此类中尺度涡振幅时间序列（）做插值，将范围扩展为，此时得；

4)将所有中尺度涡的生存时间范围通过插值扩展到海脊区域之外，并遵循从所有中尺度涡全部或部分经过海脊的实际时间与校正后的持续时间之比得出的尺度原理；当在进行时间规律性和空间归一化后，将观测范围扩展到，其中表示时域扩展的下限，表示时域扩展的上限，对于每个给定的完全穿过海脊的中尺度涡振幅，在穿越海脊前后对时域采用和的时间规律性策略；对于部分行进海脊的中尺度涡，仅需将时间规律性扩展即可；

5)沿着中尺度涡轨迹收集相应的经度和纬度，然后应用ETOPO1综合测深数字高程，以发现海脊对中尺度涡的潜在地形影响；设每个给定中尺度涡轨迹地理位置处的海拔高度为，遵循上述相同时间规律性以及空间归一化原理，构建中尺度涡振幅、旋转速度、半径和地形的标准化时间序列，即，，和；然后对于待研究区域的中尺度涡特征取数学期望，将数学统计直观地应用于研究中的所有中尺度涡，形成所有中尺度涡轨迹的振幅、旋转速度、半径和地形的平均曲线，即、、和；之后，将中尺度涡振幅、旋转速度、半径和地形的均值时间序列数据实施标准差标准化，将不同量纲的时间序列一起比较，如下式所示：

（8）

其中，，和分别代表，，和的平均值，，，和分别代表，，和的标准差。