(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 202211255298.1 (22)申请日 2022.10.13 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 张高唯　王微　王祎　 (74)专利代理 机构 西安迪业欣知识产权代理事 务所(普通 合伙) 61278 专利代理师 校丽丽 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/77(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于静态和动态图学习网络的海温时空预 测方法及系统 (57)摘要 本发明公开了一种基于静态和动态图学习 网络的海温时空预测方法及系统， 属于人工智能 技术领域， 能够解决现有海温预测方法的预测准 确率较低的问题。 所述方法包 括： S1、 获取多个海 温观测站观测的目标海域的海温数据， 并根据海 温数据生成多个海温观测站之间的静态图； S2、 根据海温数据和静态图， 生 成多个海温观测站之 间的动态图； S3、 利用图卷积网络获取静态图和 动态图的节 点特征， 并根据节点特征和海温数据 获得目标海域的海温预测值。 本发 明用于海温预 测。 权利要求书2页 说明书5页 附图1页 CN 115546609 A 2022.12.30 CN 115546609 A 1.一种基于静态和动态图学习网络的海温时空预测方法， 其特 征在于， 所述方法包括： S1、 获取多个海温观测站观测的目标海域的海温数据， 并根据所述海温数据生成所述 多个海温观测站之间的静态图； S2、 根据所述海温数据和所述静态图， 生成所述多个海温观测站之间的动态图； S3、 利用图卷积网络获取所述静态图和所述动态图的节点特征， 并根据所述节点特征 和所述海温数据获得目标海域的海温预测值。 2.根据权利要求1所述的方法， 其特 征在于， 所述S1具体包括： S11、 获取多个海温观测站观测的海温数据， 并根据所述海温数据生成自适应邻接矩 阵； S12、 根据所述自适应邻接矩阵生成所述多个海温观测站之间的静态图。 3.根据权利要求2所述的方法， 其特 征在于， 所述S1还 包括： S13、 利用图的正则化对所述静态图进行优化处 理， 得到优化后的静态图。 4.根据权利要求2所述的方法， 其特 征在于， 所述S1 1具体为： 获取多个海温观测站观测的海温数据， 并通过节点嵌入方法计算所述海温数据的自适 应邻接矩阵。 5.根据权利要求2或4所述的方法， 其特 征在于， 所述S2具体包括： S21、 利用多层感知器将所述海温数据映射到与所述自适应邻接矩阵具有相同维度的 空间中， 得到映射结果； S22、 利用门控机制将所述映射结果和所述自适应邻接矩阵进行信息融合， 得到所述多 个海温观测站之间的动态图。 6.根据权利要求5所述的方法， 其特 征在于， 所述S2 2具体为： 根据第一公式组得到所述多个海温观测站之间的动态图； 所述第一公式组为： 其中， 均为可学习的参数， Ms为自适应邻接矩阵， XT为映射结 果， rT为重置门用来 保存过去的信息， ZT为更新门用来更新新加入的信息， 为动态图隐藏 特征信息， hT为融合后的动态图。 7.根据权利要求1所述的方法， 其特征在于， 所述图卷积网络包括第 一图卷积网络和第 二图卷积网络； 所述S3具体包括： S31、 将所述静态图输入第一 图卷积网络中， 得到静态图节点特征， 并将所述动态图输 入第二图卷积网络中， 得到动态图节点特 征； S32、 根据所述静态图节点特征、 所述动态图节点特征和所述海温数据， 得到目标海域权　利　要　求　书 1/2 页 2 CN 115546609 A 2的海温预测值。 8.根据权利要求7 所述的方法， 其特 征在于， 所述S32具体包括： S321、 获取 所述静态图节点特 征和所述动态图节点特 征的和值， 记作最终特 征； S322、 将所述最终特征和所述海温数据的和值输入到输出模块中， 得到目标海域的海 温预测值。 9.根据权利要求8所述的方法， 其特征在于， 所述输出模块包括残差网络和多层感知 器。 10.一种基于静态和动态图学习网络的海温时空预测系统， 其特征在于， 所述系统包 括： 静态图生成模块， 用于获取多个海温观测站观测的目标海域的海温数据， 并根据所述 海温数据生成所述多个海温观测站之间的静态图； 动态图生成模块， 用于根据所述海温数据和所述静态图， 生成所述多个海温观测站之 间的动态图； 海温预测模块， 用于利用图卷积网络获取所述静态图和所述动态图的节点特征， 并根 据所述节点特 征和所述海温数据获得目标海域的海温预测值。权　利　要　求　书 2/2 页 3 CN 115546609 A 3