【科技日报】时空四维模型突破限制让海温预测不再“浮于表面”

  “时空四维卷积模型由三部分组成:四维卷积网络、残差网络、再校准模块。”周晓锋介绍,海洋温度数据本身为经度、纬度、深度构成的三维栅格化数据,增加时间维度后,形成了四维矩阵。利用四维卷积网络,对海洋温度数据提取时间特征的同时,提取三维立体空间特征。四维卷积网络的意义就是实现时—空双重特征提取。由于卷积运算是线性运算,他们在三维卷积的原理基础上进行改变,实现四个维度同时卷积。

  对于普通的神经网络来说,深度层次越多,优化算法越难训练,训练错误便会越多。残差模块可以优化深度神经网络,而利用残差网络进一步加深网络,可进一步提取海洋温度的空间特征。

  “在整个海洋空间中,相邻区域的数据对于预测的贡献在空间上各不相同。有的位置温度多变,有的位置温度稳定;有的位置等温线密集,有的位置等温线稀疏。”周晓锋介绍,为了提高模型性能,研究人员给模型在残差模块后面加入了再校准模块。再校准模块的意义就是探索并量化各个区域特征的贡献程度,对前面计算得到的特征数据进行加权。重要特征赋予较高权重,不同位置也赋予不同权重,然后将特征进行加权求和,得到最终结果,由此提高模型的质量。

  课题组利用时空四维卷积模型进行了横截面方向和剖面方向的两方面实验。实验显示,时空四维卷积模型可以准确预测水平方向0—-2000米的海洋温度,且准确度并不受海洋深度影响,均在98%以上,并有大部分大于99%。对于剖面方向,时空四维卷积模型可以准确预测出季节性温跃层和主温跃层的位置和形状,准确度不受海洋位置影响,均大于99%。

  此外,课题组还将时空四维卷积模型与目前的预测方法做了对比,在平均绝对误差(MAE)、均方误差(RMSE)、预测精度(ACC)和R平方(R-squared)等各个指标上,新模型都达到了最优的效果。

  “时空四维卷积模型利用海洋温度数据的双重特征提取,并对特征以及区域进行加权,实现了海洋内部温度的数据预测,打破了目前对于海表温度预测的局限性,并将温跃层的预测变为可能。”周晓锋说。

(原载于《科技日报》 2021-11-25 05版)

参与讨论

登录后参与评论