(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 202210600333.2 (22)申请日 2022.05.30 (71)申请人 天津大学 地址 300072 天津市南 开区卫津路9 2号 申请人 青岛海洋科学与技术国家实验室发 展中心 (72)发明人 刘安安　杨媛翔　宋丹　李文辉　 魏志强　聂婕　张文生　孙正雅　 (74)专利代理 机构 天津市北洋 有限责任专利代 理事务所 12 201 专利代理师 李林娟 (51)Int.Cl. G06Q 10/04(2012.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06V 10/40(2022.01) G06Q 50/26(2012.01) (54)发明名称 基于图卷积的多海洋物理场融合表示的预 警方法及装置 (57)摘要 本发明公开了一种基于图卷积的多海洋物 理场融合表示的预警方法及装置， 方法包括： 利 用三层图卷积神经网络在多个物理场上进行特 征更新， 挖掘不同物理场之间的相互关系， 以对 具有不同物理场综合特性的整体特征表示进行 更新； 利用双层时序注意力操作， 将具有不同物 理场综合特性的整体特征表示及该整体特征表 示所对应的位置编码信息输入进双层时序注意 力中， 获得时段多物理场数据特征耦合表示； 将 时段多物理场数据特征耦合表 示作为全局特征， 并挖掘时序信息进行Nino3.4指数的预测， 将 Nino3.4指数与输入的台风观测数据进行融合， 进行台风强度预测。 装置包括： 处理器和存储器。 本发明解决了现有技术中对沿海地区通信基站 附近海域台风强度预测不够准确的问题。 权利要求书2页 说明书10页 附图3页 CN 114862049 A 2022.08.05 CN 114862049 A 1.一种基于图卷积的多海洋物理场融合表示的预警方法， 其特 征在于， 所述方法包括： 利用三层图卷积神经网络在多个物 理场上进行特征更新， 挖掘不同物 理场之间的相互 关系， 以对具有不同物理场综合特性的整体特 征表示进行 更新； 利用双层时序注意力操作， 将具有不同物 理场综合特性的整体特征表示及该整体特征 表示所对应的位置编码信息输入进双层时序 注意力中， 获得时段多物理场数据特征耦合表 示； 将时段多物理场数据特征耦合表示作为全局特征， 并挖掘时序信息进行Nino3.4指数 的预测， 将N ino3.4指数与输入的台风观测数据进行融合， 进行台风强度预测。 2.根据权利要求1所述的一种基于图卷积 的多海洋物理场融合表示的预警方法， 其特 征在于， 所述利用三层图卷积神经网络在多个物理场上进行特征更新， 挖掘不同物理场之 间的相互关系， 以对具有不同物理场综合特性的整体特 征表示进行 更新具体为： 利用第一层图卷积神经网络在单个海洋物 理场的空间子区域结构上进行特征更新， 挖 掘单个海洋物理场空间子区域之间的相互关联； 针对多个海洋物理场， 利用第 二层和第 三层的图卷积神经网络对多个物理场上的浅层 和深层信息进行耦合关联， 以学习得到具有不同物理场综合特性的整体特 征表示。 3.根据权利要求2所述的一种基于图卷积 的多海洋物理场融合表示的预警方法， 其特 征在于， 所述利用第一层图卷积神经网络在单个海洋物理场的空间子区域结构上进行特征 更新， 挖掘单个海洋物理场空间子区域之间的相互关联 具体为： 针对单个物理场的信息， 利用卷积神经网络提取子区域特征， 记为 并且以子区域特征为图结构节点 子区域之间的边信息E， 单个物 理场图结构G1的邻接矩阵为： 其中， n为输入子区域特征的个数， 表示物理场x第i帧中两 个子区域特征向量之间的欧氏距离， Normalization( ·)表示归一化函数， x_a表示物理场x 第a个子区域， x_b表示物理场x第b个子区域。 4.根据权利要求2所述的一种基于图卷积 的多海洋物理场融合表示的预警方法， 其特 征在于， 所述针对多个海洋物理场， 利用第二层和第三层的图卷积神经网络对多个物理场 上的浅层和深层信息进行耦合关联， 以学习得到具有不同物理场综合特性的整体特征表示 具体为： 第二层图结构是浅层多物理场关系融合层， 该层图结构节点与第 一层图结构更新后的 节点保持一 致第二层图结构与第一层的区别在于每 个物理场所对应的边信息进行交换； 第三层图结构是深层的多物理场关系融合层， 该层图结构的节点由第二层x个物理场 更新所获的节点拼接而得， 第三层图结构的边信息也由第二层的边信息进行求和平均得 到； 通过第三层图结构的深层物理信息耦合， 使得各物理场之间的关联性聚合成一个整体 的特征表示， 该 特征表示作为第i帧上 所有物理场耦合的时序输入。 5.根据权利要求1所述的一种基于图卷积 的多海洋物理场融合表示的预警方法， 其特 征在于， 所述双 层时序注意力具体为：权　利　要　求　书 1/2 页 2 CN 114862049 A 2所述双层时序注意力的第 一层为时段信息融合自注意力层， 第 二层通过提取时段耦合 物理场信息序列进行预测； 经图卷积神经网络对多物理场信息聚合和更新后， 得到最终的 同一帧上同一经纬度不同物理场耦合关联特征； 将包含时序信息的耦合关联特征分为每M 个特征一组作为时段融合信息层的输入； 第二层时序自注意力通过提取时段耦合物 理场信息序列进行预测， 其输入为第 一层输 出的时段耦合关联 特征。 6.根据权利要求2所述的一种基于图卷积 的多海洋物理场融合表示的预警方法， 其特 征在于， 所述单个海洋物理场的空间子区域 为： 每帧时序数据尺寸为H ×W， 将每帧数据按照长宽等分并以地理中心、 等分尺寸选取空 间子区域； 对于第x个物理场， 第i帧划分为n个空间子区域记为 为第x个物理场 第i帧中的第n个空间子区域的数据。 7.一种基于 图卷积的多海洋物理场融合表示的预警装置， 其特征在于， 所述预警装置 包括： 整体特征更新模块， 用于利用三层图卷积神经网络在多个物理场上进行特征更新， 挖 掘不同物理场之间的相互关系， 以对具有不同物理场综合特性的整体特 征表示进行 更新； 特征耦合表示模块， 用于利用 双层时序注意力操作， 将具有不同物理场综合特性的整 体特征表示及该整体特征表示所对应的位置编 码信息输入进双层时序 注意力中， 获得时段 多物理场数据特 征耦合表示； 台风强度预测模块， 用于将时段多物理场数据特征耦合表示作为全局特征， 并挖掘时 序信息进行Nino3.4指数的预测， 将Nino3.4指数与输入的台风观测数据进行融合， 进行台 风强度预测。 8.一种基于图卷积的多海洋物 理场融合表示的预警装置， 其特征在于， 所述装置包括： 处理器和存储器， 所述存储器中存储有程序指令， 所述处理器调用存储器中存储的程序指 令以使装置执 行权利要求1 ‑6中的任一项所述的方法步骤。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指令， 所述程序指令被处理器执行时使所述处理器执行权利 要求1‑6中的任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 114862049 A 3