(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 202211194484.9 (22)申请日 2022.09.29 (71)申请人 中国海洋大学 地址 266100 山东省青岛市崂山区松岭路 238号 (72)发明人 聂婕　宋宁　郑程予　魏志强　 刘安安　宋丹　李文辉　孙正雅　 张文生　 (74)专利代理 机构 青岛华慧泽专利代理事务所 (普通合伙) 37247 专利代理师 赵梅 (51)Int.Cl. G01K 13/00(2021.01) G06F 16/2458(2019.01) G06F 16/29(2019.01)G06F 17/16(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于时空信息交互融合的海表温度预测方 法、 系统及应用 (57)摘要 本发明属于海表 面温度预测技术领域， 公开 了基于时空信息交互融合的海表温度预测方法、 系统及应用， 所述系统包括输入模块、 时空矩阵 构建模块、 时空特征交互融合模块、 时空矩阵聚 合模块、 海表面温度数据预测模块和输出模块， 通过时空矩阵构建模块， 构建空间中的每一点的 时空矩阵， 并从时空矩阵中抽取出时间视角和空 间视角的特征表达； 通过构建时空特征交互融合 模块， 利用Transformer中的自注意力机制和互 注意力机制， 充分挖掘不同时刻的时间特征的相 互指导关系、 不同空间的空间特征的相互指导关 系、 以及时间特征和空间特征的相互指导关系， 实现海表 面温度数据时空信息的交互融合， 提高 海表面温度预测准确度。 权利要求书4页 说明书10页 附图3页 CN 115307780 A 2022.11.08 CN 115307780 A 1.基于时空信息交 互融合的海表温度预测方法， 其特 征在于， 包括以下步骤： S1、 将t个时刻维度为M*N*V的海表面温度数据矩阵 在V维度上进行矩阵平均 操作并将矩阵聚合， 得到维度为t* M*N的矩阵S； M、 N、 V为 三个维度； S2、 从矩阵S中抽取每一空间点的时空矩阵 ， 其中 ； 抽取方法为抽取t 天中点i的特征值与其邻域内D ‑1个空间点的特征值作为该点的 ， 维度为 ； 之后将 进行矩阵变换， 得到i点的维度为t*D的时空网格 ， 从而得到所有 时刻的时空网格 ； S3、 将 进行特征聚合， 得到时间特征矩阵 ， 的维度为M*N*t*D， M* N代表存在M*N个空间点， 对于每个空间点存在一个维度为t*D的二 维时间特征矩阵， 其中每 一行代表海表面温度的时间特 征， 即每个空间点 时刻的时间特 征， 维度为1*D； S4、 将 的后两维度进行转置操作得到空间特征矩阵 ， 的维度为M*N* D*t， M*N代表存在M*N个空间点， 对于每个空间点存在一个维度为D*t的二维空间特征矩阵， 其中每一行代 表海表面温度的空间特 征， 即每个空间点上的空间特 征， 维度为1*t； S5、 将 和 转换为M*N个点的二维时间特征矩阵和二维空间特征矩阵， 得到的 时间特征矩阵和空间特 征矩阵维度分别为t*f和D*f； S6、 通过四个基于transformer的注意力编码块将步骤S5得到 的时间特征和空间特征 交互融合， 其中， 基于tr ansformer的注意力编码块分别是基于时间自注意力模块、 空间自 注意力模块、 时间指导空间注意力模块、 空间指导时间注意力模块， 输入时间特征矩阵 和空间特 征矩阵 最终分别得到 M*N个样本点的t*l、 D*l、 t*l和D*l的四个特 征矩 阵M1、 M2、 M3、 M4； S7、 将四个特 征矩阵M1、 M2、 M3、 M4进行聚合， 得到t*D维度的聚合时空矩阵M； S8、 将聚合时空矩阵M经过LSTM操作， 得到最后M*N个点的预测结果 ； 通过M*N个空间 点的真实数据值y进行损失计算， 进行反向传播操作更新模型参数。 2.根据权利要求1所述的基于时空信 息交互融合的海表温度 预测方法， 其特征在于， 步 骤S6中， 所述基于时间自注意力模块， 只接受时间特征矩阵 并设置权重 ， ，  ， 分别与 相乘所得 ， ，  ： 之后计算时间特 征间关系权 重矩阵 最后利用 中特征间的关系权 重， 计算M1， 对不同的特 征分配关注度： 权　利　要　求　书 1/4 页 2 CN 115307780 A 2最终得到的矩阵M1是时间特 征相互指导的特 征矩阵。 3.根据权利要求1所述的基于时空信 息交互融合的海表温度 预测方法， 其特征在于， 步 骤S6中， 所述空间自注意力模块， 只接受空间特征矩阵 并设置权重 ， ， ， 分别与 相乘所得 ， ，  ： 之后计算空间特 征间关系权 重矩阵 最后利用 中特征间的关系权 重， 计算M2， 对不同的特 征分配关注度： 最终得到的矩阵M2是空间特 征相互指导的特 征矩阵。 4.根据权利要求1所述的基于时空信 息交互融合的海表温度 预测方法， 其特征在于， 步 骤S6中， 所述时间指导空间注 意力模块， 首先接受 时间特征矩阵 和并设置权重 ， 与 相乘所得 ， 作为时间指导矩阵： 之后输入空间特征矩阵 并设计权重 ，  ， 分别与 相乘所得 ， ： 计算时空关系权 重矩阵 最后利用 中特征间的关系权 重， 计算M3， 即分配时间特 征对空间特 征的关注度： 最终得到的矩阵M3是时间特 征指导空间特 征的特征矩阵。 5.根据权利要求1所述的基于时空信 息交互融合的海表温度 预测方法， 其特征在于， 步 骤S6中， 所述空间指导时间注意力模块， 首先接受空间特征矩阵 和并设置权重 ， 与 相乘所得 ， 作为空间指导矩阵： 权　利　要　求　书 2/4 页 3 CN 115307780 A 3