CN119294104A 一种基于ai和多源融合数据对海气交界面动力交换系数进行估算和预测的方法、介质及程序产品 （中国气象科学研究院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119294104A(43)申请公布日2025.01.10

(21)申请号202411420122.6

(22)申请日2024.10.12

(71)申请人中国气象科学研究院

地址100081北京市海淀区中关村南大街

46号

(72)发明人刘欣徐洪雄赵大军王慧

刘璐

(74)专利代理机构北京宏远众科专利代理事务

所(普通合伙)16258专利代理师陈俊

(51)Int.CI.

GO6F30/20(2020.01)

G6F111/10(2020.01)

权利要求书3页说明书10页附图3页

(54)发明名称

一种基于AI和多源融合数据对海气交界面动力交换系数进行估算和预测的方法、介质及程

序产品

开

开始

CN119294104A本发明公开了一种基于AI和多源融合数据对海气交界面动力交换系数进行估算和预测的方法、介质及程序产品，旨在提高海气相互作用的数值模拟、预报和科学研究等的准确性，包括：基于拉格朗日流体运动方程和地转流方程，综合考虑10米高度风速及其他多种气象与海洋变量，重构海气界面动力交换系数的计算公式；收集和预处理多源数据，构建多源融合数据集；采用深度学习算法构建AI模型，提取数据中的时空特征，估算Ca’;通过优化模型结构和参数，提升其泛化能力和预测精度；将预测结果应用于海气相互作用的数值模拟中，并基于新的观测数据定期更新模型。本发明具备高精度、动态更新和广泛

CN119294104A

CN119294104A权利要求书1/3页

2

1.一种基于AI和多源融合数据对海气交界面动力交换系数进行估算和预测的方法，其特征在于，所述方法在实施时至少包括如下步骤：

SS1.重构海气界面动力交换系数的计算公式：

基于拉格朗日流体运动方程和地转流方程，综合考虑多种气象与海洋变量因子，重构海气界面动力交换系数的计算公式：

其中，Ca为海气界面动力交换系数，U1?为大气10米高度风场，u1?和v10分别为U??在X和Y方向上的分量，u和v分别为海表流速在X和Y方向上的分量，ug和vg分别为地转流在X和Y方向

的分量，f为地球科氏力，K为海气界面处单位质量微团的水平动能且SS2.多源数据的收集与预处理：

收集并整理多源气象和海洋数据，至少包括海洋漂流浮标数据、卫星高度计遥感数据和大气再分析数据，之后对所收集的多源数据进行质量控制和预处理，通过异常值检测、缺失值处理、数据一致性检查、时空插值以及格式统一化处理，构建形成一多源融合数据集，并基于时间序列分层抽样的方式将多源融合数据集划分为相互独立的训练数据集和验证数据集；

SS3.AI深度学习模型的构建与训练：

基于步骤SS1中重构的Ca计算公式，采用深度学习算法设计并构建一适用于多源融合数据的AI深度学习模型，其输入层用于接收多源融合数据中的相关气象和海洋因子，隐藏层负责提取时空特征并通过非线性映射建立气象和海洋变量因子与Ca之间的关系，输出层用于生成C。’的估算值，且模型基于步骤SS2中划分的训练数据集进行训练，并采用Adam优化器、均方根误差损失函数和/或mini-batch梯度下降法更新模型参数，且在模型网络中加入Dropout层和L2正则化以防止过拟合；

SS4.AI深度学习模型的评估与优化：

基于步骤SS2中划分的验证数据集对训练好的AI深度学习模型进行性能评估，评估指标包括均方根误差、平均绝对误差和/或相关系数，并采用K折交叉验证方法评估模型的泛化能力，之后根据评估结果，通过调整网络结构、优化超参数以及尝试不同的特征组合来优化模型性能，迭代优化直到模型性能达到预设阈值或性能不再显著提升；

SS5.海气界面动力交换系数Ca’的估算和预测：

基于步骤SS4优化后的AI深度学习模型，输入当前时刻t的气象和海洋变量数据，生成Ca’的当前时刻估算值，并结合以下公式计算下一时刻t+dt的海洋动能Kt+at以及表层流速在X和Y方向上的分量ut+dt、Vt+at,其中dt为时间步长，代表每次迭代的时间间隔：

u:+a=u+f·(v-vg)·dt+C|U10|u?dt

V+m=v+f·(ug-u)·dt+C|U10|v1o·dt

K1+m=K+f·(ug·V-vg·u)·dt+CU10|·(410·U+VY1o·v)·dt

C