本發(fā)明涉及深度學(xué)習(xí)(deep?learning，dl)與蒸發(fā)波導(dǎo)建模的交叉融合應(yīng)用領(lǐng)域，特別是涉及一種基于深度學(xué)習(xí)的蒸發(fā)波導(dǎo)高度的診斷方法。

背景技術(shù)：

1、蒸發(fā)波導(dǎo)是由于水汽蒸發(fā)引起大氣濕度隨高度銳減形成的一種大氣層結(jié)。這種層結(jié)具有異常大氣折射率結(jié)構(gòu)。蒸發(fā)波導(dǎo)模型可以應(yīng)用于各種蒸發(fā)引起波導(dǎo)現(xiàn)象的研究和預(yù)測，例如湖泊蒸發(fā)、水庫蒸發(fā)、土壤蒸發(fā)等。

2、目前，基于莫寧-奧布霍夫相似理論，學(xué)者們提出了一系列用于診斷蒸發(fā)波導(dǎo)高度的物理模型。其中，常用的蒸發(fā)波導(dǎo)模型包括p-j模型、musson-gauthier-bruth(mgb)模型、babin模型、navy?postgraduate?school(nps)模型、偽折射模型等。

3、這些基于相似理論的物理模型，需要計算出大氣邊界層中的特征長度l和特征參數(shù)θ*和q*。一方面，這些參數(shù)在計算過程中，采用了一些近似，存在一定的不確定性；另一方面，而這些參數(shù)的確定往往需要使用cpu進(jìn)行十分耗時的迭代計算。例如，根據(jù)實際測試，利用intel?xeon?gold?5218的24個核心計算南海近海面一年的蒸發(fā)波導(dǎo)高度時，需要持續(xù)運算數(shù)個小時。近十年來，由于計算機圖形學(xué)和深度學(xué)習(xí)等領(lǐng)域?qū)仃囘\算的算力需求，gpu算力的增長速度要遠(yuǎn)遠(yuǎn)快于cpu。例如目前最強的民用級gpu，nvidia?rtx?4090的單精度浮點性能約為83tflops，而最強的民用級cpu，amd?7995wx約為12tflops。

4、為了更快速的計算出大片海域的蒸發(fā)波導(dǎo)高度，其中一個合理的研究方向就是如何利用好gpu提供的強大算力。得益于gpu提供的算力支持和傳感器技術(shù)的發(fā)展而帶來的海量數(shù)據(jù)，利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)驅(qū)動方式的建模發(fā)展迅速。

5、具體就近海面蒸發(fā)波導(dǎo)而言，由于衛(wèi)星同化技術(shù)的發(fā)展，各個數(shù)據(jù)庫積累了大量的天氣數(shù)據(jù)，例如歐洲中期天氣預(yù)報中心(ecmwf)提供的era5數(shù)據(jù)集，或是美國國家大氣研究中心(ncar)提供的再分析資料，這使得利用深度神經(jīng)網(wǎng)絡(luò)完成的蒸發(fā)波導(dǎo)高度診斷成為了可能。當(dāng)利用這項技術(shù)后，完成高時空分辨率的蒸發(fā)波導(dǎo)診斷完全可以縮短至數(shù)秒內(nèi)。

6、現(xiàn)有技術(shù)中，關(guān)于蒸發(fā)波導(dǎo)高度的預(yù)測研究主要有：

7、1、公布號是cn112711899a的中國專利申請?zhí)岢觥耙环N蒸發(fā)波導(dǎo)高度的融合預(yù)測方法”，包括步驟：(1)蒸發(fā)波導(dǎo)高度真值獲??；(2)蒸發(fā)波導(dǎo)模型高度預(yù)測；(3)模型敏感性分析；(4)最小二乘支持向量機回歸建模：根據(jù)敏感性分析結(jié)果，在不同環(huán)境區(qū)間，以獲得的氣象、水文觀測數(shù)據(jù)和蒸發(fā)波導(dǎo)模型高度預(yù)測值為輸入，以蒸發(fā)波導(dǎo)高度真值為輸出，回歸獲得輸入與輸出之間的非線性映射關(guān)系，建立多個蒸發(fā)波導(dǎo)模型預(yù)測高度的融合預(yù)測模型；(5)蒸發(fā)波導(dǎo)高度預(yù)測。

8、該技術(shù)的主要不足為：該方法采用的支持向量機算法存在缺點，例如：(1)支持向量機不適合處理大規(guī)模數(shù)據(jù)，當(dāng)數(shù)據(jù)特征很多時，訓(xùn)練時間會顯著增加。(2)當(dāng)面對小數(shù)據(jù)集時，支持向量機對噪聲比較敏感，從而導(dǎo)致模型容易過擬合。

9、2、公布號是cn116559977a的中國專利申請?zhí)岢觥耙环N基于bp神經(jīng)網(wǎng)絡(luò)的nps-gryanik20蒸發(fā)波導(dǎo)高度預(yù)測方法”，其采用基于nps-gryanik20蒸發(fā)波導(dǎo)模型的環(huán)境區(qū)間劃分的方法，在不同環(huán)境區(qū)間內(nèi)構(gòu)建基于捕食者算法的bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型，實現(xiàn)蒸發(fā)波導(dǎo)高度的精準(zhǔn)預(yù)測，具體包括：蒸發(fā)波導(dǎo)高度真值獲取、基于nps-gryanik20蒸發(fā)波導(dǎo)模型的環(huán)境區(qū)間劃分、基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型、蒸發(fā)波導(dǎo)的高度預(yù)測等步驟。

10、該技術(shù)的主要不足為：該方法采用的捕食者算法優(yōu)化過程分為多個階段，涉及復(fù)雜的計算步驟。這可能會導(dǎo)致較高的計算成本，尤其是當(dāng)神經(jīng)網(wǎng)絡(luò)在大規(guī)模數(shù)據(jù)集上進(jìn)行訓(xùn)練時。此外，捕食者算法不適用于所有類型的問題，而此文獻(xiàn)中缺少必要的實驗來驗證捕食者算法的適用性。

11、3、公布號是cn116579225a的中國專利申請?zhí)岢觥耙环N基于卷積神經(jīng)網(wǎng)絡(luò)的蒸發(fā)波導(dǎo)高度區(qū)域預(yù)測方法”，該方法結(jié)合數(shù)值預(yù)報產(chǎn)品網(wǎng)格數(shù)據(jù)，構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)的數(shù)值預(yù)報產(chǎn)品蒸發(fā)波導(dǎo)高度區(qū)域預(yù)測模型(nwpp-edh)。

12、該技術(shù)的主要缺陷為：此方法在網(wǎng)絡(luò)的各個模塊中一律使用2×2的經(jīng)典卷積層。較小的卷積核具有較小的感受野，會導(dǎo)致模型的擬合能力變差。在實驗部分，nwpp-edh的rmse指標(biāo)大于1從側(cè)面證明了這一點。此外，使用一般的卷積方式會使得網(wǎng)絡(luò)具有較大的體積，不僅增加了過擬合的風(fēng)險，同時降低了模型輸出結(jié)果的速度，并對運行設(shè)備的硬件提出了更高的要求。

技術(shù)實現(xiàn)思路

1、為解決目前蒸發(fā)波導(dǎo)模型在診斷波導(dǎo)高度中需要迭代計算而帶來的高額時間開銷，本發(fā)明提供了一種基于unet型深度神經(jīng)網(wǎng)絡(luò)的診斷方案，該神經(jīng)網(wǎng)絡(luò)以下簡稱edh-simunet。

2、edh-simunet是一種unet類型的網(wǎng)絡(luò)，其包含下采樣部分、上采樣部分以及為了緩減梯度消失而存在的跳躍連接部分。edh-simunet使用深度方向可分離的卷積操作進(jìn)行下采樣，使用轉(zhuǎn)置卷積進(jìn)行上采樣。根據(jù)先驗知識，遠(yuǎn)距離處的天氣狀況對蒸發(fā)波導(dǎo)高度診斷的幫助不大，所以無需使用開銷巨大的注意力機制。

3、經(jīng)實驗測試，edh-simunet相較于傳統(tǒng)的物理模型在診斷速度上快一個數(shù)量級。此外，與傳統(tǒng)的機器學(xué)習(xí)方法相比，如xgboost和隨機森林，edh-simunet在診斷速度上同樣占有優(yōu)勢，而且在誤差方面表現(xiàn)更優(yōu)秀。

4、本發(fā)明的基于edh-simunet的大面積蒸發(fā)波導(dǎo)診斷方法包括以下步驟：

5、步驟一：從在分析數(shù)據(jù)集中篩選出區(qū)域內(nèi)近海面的氣溫、氣壓、濕度、風(fēng)速、海表溫度數(shù)據(jù)，作為訓(xùn)練數(shù)據(jù)的特征；

6、步驟二：借助蒸發(fā)波導(dǎo)模型計算出氣溫、氣壓、濕度、風(fēng)速、海表溫度數(shù)據(jù)對應(yīng)的蒸發(fā)波導(dǎo)高度，即為訓(xùn)練數(shù)據(jù)制作標(biāo)簽；

7、步驟三：搭建edh-simunet神經(jīng)網(wǎng)絡(luò)并將數(shù)據(jù)集劃分為訓(xùn)練集和測試集。其中訓(xùn)練集進(jìn)一步隨機劃分為訓(xùn)練集和驗證集。根據(jù)驗證集的表現(xiàn)進(jìn)行調(diào)參；

8、步驟四：借助測試集，計算rmse、mae、medae和rs等指標(biāo)對模型性能進(jìn)行評估和驗證。

9、本方法edh-simunet使用深度方向可分離卷積操作進(jìn)行下采樣，使用轉(zhuǎn)置卷積進(jìn)行上采樣，跳躍連接以緩減梯度消失和信息丟失的問題。

10、本方法有效解決了傳統(tǒng)物理蒸發(fā)波導(dǎo)模型在診斷波導(dǎo)高度時因迭代計算而產(chǎn)生的高額時間成本問題。除此以外，該方法能夠適應(yīng)不斷變化的數(shù)據(jù)和環(huán)境，自動調(diào)整參數(shù)以優(yōu)化性能，進(jìn)而輕松擴(kuò)展到新的數(shù)據(jù)集和任務(wù)上。因而edh-simunet有潛力避免物理模型在非均勻大氣條件和強穩(wěn)定大氣條件下，因普適函數(shù)、穩(wěn)定度修正函數(shù)和尺度參數(shù)的確定帶來差異較大的診斷結(jié)果。

技術(shù)特征：

1.一種基于edh-simunet的蒸發(fā)波導(dǎo)診斷方法，以采集到的區(qū)域內(nèi)氣溫、氣壓、濕度、風(fēng)速以及海表溫度數(shù)據(jù)為蒸發(fā)波導(dǎo)模型的輸入，預(yù)測得到區(qū)域內(nèi)海面上的蒸發(fā)波導(dǎo)高度；其特征在于所述蒸發(fā)波導(dǎo)模型的結(jié)構(gòu)是edh-simunet神經(jīng)網(wǎng)絡(luò)；edh-simunet神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建步驟包括：

2.根據(jù)權(quán)利要求1所述的基于edh-simunet的蒸發(fā)波導(dǎo)診斷方法，其特征是所述步驟三中，在訓(xùn)練集用于蒸發(fā)波導(dǎo)模型訓(xùn)練之前，先對訓(xùn)練集進(jìn)行標(biāo)準(zhǔn)化處理，并保存均值和方差；

3.根據(jù)權(quán)利要求2所述的基于edh-simunet的蒸發(fā)波導(dǎo)診斷方法，其特征是對訓(xùn)練數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即對每個網(wǎng)格點上的數(shù)據(jù)按照下式處理，

4.根據(jù)權(quán)利要求1所述的基于edh-simunet的蒸發(fā)波導(dǎo)診斷方法，其特征是步驟四中，通過計算均方根誤差rmse、平均絕對誤差mae、中值絕對誤差medae和/或相對強弱指標(biāo)rs對蒸發(fā)波導(dǎo)模型性能進(jìn)行評估和驗證。

5.根據(jù)權(quán)利要求1所述的基于edh-simunet的大面積蒸發(fā)波導(dǎo)診斷方法，其特征是所述輸入處理模塊中按數(shù)據(jù)處理順序依次為：輸入通道為6、輸出通道為64并填充1的3×3深度方向可分離卷積層；批次標(biāo)準(zhǔn)化層；relu層；輸入通道為64、輸出通道為64并填充1的3×3深度方向可分離卷積層；批次標(biāo)準(zhǔn)化層；relu層；

技術(shù)總結(jié)
一種基于EDH?SimUNet的蒸發(fā)波導(dǎo)診斷方法，以采集到的區(qū)域內(nèi)的諸多數(shù)據(jù)為蒸發(fā)波導(dǎo)模型的輸入，預(yù)測得到區(qū)域內(nèi)海面上的蒸發(fā)波導(dǎo)高度。蒸發(fā)波導(dǎo)模型的結(jié)構(gòu)是EDH?SimUNet，其使用深度方向可分離卷積操作進(jìn)行下采樣，使用轉(zhuǎn)置卷積進(jìn)行上采樣，跳躍連接以緩減梯度消失和信息丟失的問題。EDH?SimUNet可避免物理模型在非均勻大氣條件和強穩(wěn)定大氣條件下，因普適函數(shù)、穩(wěn)定度修正函數(shù)和尺度參數(shù)的確定帶來差異較大的診斷結(jié)果。該診斷方法有效解決傳統(tǒng)物理蒸發(fā)波導(dǎo)模型在診斷波導(dǎo)高度時因迭代計算而產(chǎn)生的高額時間成本問題，還能夠適應(yīng)不斷變化的數(shù)據(jù)和環(huán)境，自動調(diào)整參數(shù)以優(yōu)化性能，進(jìn)而輕松擴(kuò)展到新的數(shù)據(jù)集和任務(wù)上。

技術(shù)研發(fā)人員：程小平,孔新新,費建芳,黃小剛
受保護(hù)的技術(shù)使用者：中國人民解放軍國防科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/12