(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211160845.8 (22)申请日 2022.09.22 (71)申请人 四川大学 地址 610044 四川省成 都市一环路南 一段 24号 (72)发明人 薛新华　陈楚强　 (74)专利代理 机构 昆明合盛知识产权代理事务 所(普通合伙) 53210 专利代理师 牛林涛 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种基于卷积长短期记忆神经网络的湖泊 温度预测方法 (57)摘要 本发明涉及湖泊温度预测技术领域， 具体地 说是一种基于卷积长短期记忆神经网络的湖泊 温度预测方法， 对比了传统卷积神经网络CCNN和 可分离卷积神经网络SCNN， 建立了两个模型， 即 CCNN‑LSTM和SCNN ‑LSTM， 以湖泊过去的各个时间 步各个深度的温度和空气温度作为模 型的输入， 输出湖泊各个深度的温度， 同现有技术相比， 本 发明建立了两个模型， 即CCNN ‑LSTM和SCNN ‑ LSTM， 以湖泊过去各个深度的温度和空气温度作 为模型的输入， 通过长短期记忆神经网络输出湖 泊各个深度的温度， 从而实现对湖泊温度的预 测。 权利要求书1页 说明书3页 附图1页 CN 115470708 A 2022.12.13 CN 115470708 A 1.一种基于卷积长短期记忆神经网络的湖泊温度预测方法， 其特征在于， 对比了传统 卷积神经网络CCNN和可分离卷积神经网络SCNN， 建立了两个模型， 即CCNN ‑LSTM和SCNN ‑ LSTM， 以湖泊过去的各个时间步各个深度的温度和空气温度作为模型的输入， 输出湖泊各 个深度的温度； 所述长短期记忆神经网络是一种特殊的循环神经网络， 循环单元由 “遗忘 门”、“输入门”以及“输出门”组成， 遗忘门用于控制要保留的上一时刻的细胞状态值， 由下 式计算： ft＝σ(wf[ht‑1,xt]+bf) 所述输入门用于控制要更新的细胞状态值及其权 重， 按下式计算： it＝σ(wi[ht‑1,xt]+bi) Ct＝tanh(wc[ht‑1,xt]+bc) Ct＝ftCt‑1+itCt 所述输出门用于控制当前时刻要输出的隐藏状态值， 按下式计算： ot＝σ(wo[ht‑1,xt]+bo) ht＝ot×tanh(Ct) 所述b为偏置项， w 为权重矩阵， h为隐藏状态， C为细胞状态， tanh 和σ 为激活函数， t 表示时刻； 为了在相同条件下比较C CNN‑LSTM模型和SCN N‑LSTM模型， 两个模型 取相同的超参数； 所述CCNN‑LSTM模型由一层标准卷积层、 一层LSTM层以及一层全连接层组成； 所述SCNN‑LSTM模型由一层可分离卷积层、 一层LSTM层以及一层全连接层组成； 模型以湖泊各个不同深度的温度 以及空气温度作为输入， 以各个深度的温度作为输 出， 以过去的各个时间步作为输入序列， 预测各个时间步后的温度， 以线性插值法的精度作 为基线， 比较两个模型的性能。 2.根据权利要求1所述的一种基于卷积长短期记忆神经网络的湖泊温度预测方法， 其 特征在于， 所述可分离卷积神经网络S CNN先在输入数据的各个通道上用k ×k大小的卷积核 独立地进行卷积， 然后用1 ×1大小的卷积核对所有通道进行 卷积。 3.根据权利要求1所述的一种基于卷积长短期记忆神经网络的湖泊温度预测方法， 其 特征在于， 所述传统卷积神经网络CCNN直接对输入数据的各个通道用k ×k大小的卷积核进 行卷积。权　利　要　求　书 1/1 页 2 CN 115470708 A 2一种基于卷积长短期记忆神经 网络的湖泊温度预测方 法 技术领域 [0001]本发明涉及湖泊温度预测技术领域， 具体地说是一种基于卷积长短期记忆神经网 络的湖泊温度预测方法。 背景技术 [0002]湖泊是地球上重要的淡水组成部分之一， 据统计全球共有235个大小不等的湖泊， 根据卫星数据统计表明， 在全球温度图中湖水的温度与陆地温度相比有着非常明显的差 异。 [0003]湖泊的升温速度明显高于地面温度的升温速度， 据统计每十年地球上湖泊的平均 温度都在增加， 虽然增加的平均温度绝对值是一个相当小的数字， 但是湖水升温的速度值 却比海洋和大气中的相对数值要高出很多。 [0004]湖泊温度的持续增高会导致藻类的过度生长， 而这将会造成水中的氧气含量减 少， 对湖中鱼类和其他水生动物的生存造成影响。 此外， 湖泊温度的升高还会导致湖底甲烷 气体的排放量持续增长并排放至大气中， 因此湖泊温度的升高正在逐步影响湖泊生态系统 的稳定性和平衡， 且造成严重的气候问题。 因此对于湖泊温度的预测就势必成了重要的研 究对象。 [0005]基于以上原因， 本发明设计了一种基于卷积长短期记忆神经网络的湖泊温度预测 方法， 通过湖泊各个深度的温度和空气温度作为模 型的输入， 输出湖泊各个深度的温度， 实 现对湖泊温度的预测。 发明内容 [0006]本发明的目的是克服现有技术的不足， 提供一种基于卷积长短期记忆神经网络的 湖泊温度预测方法， 通过湖泊各个深度的温度和空气温度作为模型 的输入， 输出湖泊各个 深度的温度， 实现对湖泊温度的预测。 [0007]为了达到上述目的， 本发明提供一种基于卷积长短期记忆神经网络的湖泊温度预 测方法， 对比了传统卷积神经网络CCNN和可分离卷积神经网络SCNN， 建立了两个模型， 即 CCNN‑LSTM和SCNN ‑LSTM， 以湖泊过去各个时间步各个深度的温度和空气温度作为模 型的输 入， 输出湖泊各个深度的温度； [0008]长短期记忆神经网络是一种特殊的循环神经网络， 循环单元由 “遗忘门”、“输入 门”以及“输出门”组成， 遗忘门用于控制要保留的上一时刻的细胞状态值， 由下式计算： [0009]ft＝σ(wf[ht‑1,xt]+bf) [0010]输入门用于控制要更新的细胞状态值及其权 重， 按下式计算： [0011]it＝σ(wi[ht‑1,xt]+bi) [0012]Ct＝tanh(wc[ht‑1,xt]+bc) [0013]Ct＝ftCt‑1+itCt [0014]输出门用于控制当前时刻要输出的隐藏状态值， 按下式计算：说　明　书 1/3 页 3 CN 115470708 A 3