欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2026101409899
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于CNN-BiLSTM的岬湾静态平衡岸线预测方法,其特征在于,包括以下步骤:S1.选取静态平衡岬湾,采集遥感影像、潮汐数据及波浪数据;预处理所述遥感影像并提取年度海岸线;基于所述潮汐数据和所述波浪数据计算年平均动力参数;构建包含训练样本与测试样本的数据集;

S2.以岬角衍射点为原点建立极坐标系,将各年度海岸线转换至所述极坐标系,并沿每条岸线均匀选取多个特征点;计算各特征点的极坐标、长度及角度参数,并关联对应的动力参数,生成训练集与测试集;

S3.基于步骤S2所得参数,构建多维输入特征体系;以所述特征点的长度相对变化率作为目标变量,并对输入与目标数据进行标准化;

S4.搭建由卷积神经网络层、双向长短时记忆网络层及全连接层组成的混合模型;使用所述训练集对混合模型进行训练,得到最终预测模型;

S5.基于训练完成的模型,采用SHAP值分析法计算各动力参数的独立贡献值与交互贡献值,识别核心动力因子;

S6.将实测岸线及动力数据输入所述最终预测模型,输出静态平衡岸线预测结果。

2.根据权利要求1所述的方法,其特征在于,步骤S1中,所述遥感影像的预处理包括辐射定标、大气校正、几何校正、研究区裁剪及年度中位合成;所述潮汐数据来源于全球潮汐模型,所述波浪数据来源于波浪再分析数据。

3.根据权利要求1所述的方法,其特征在于,步骤S2中,均匀选取的特征点数量为20个。

4.根据权利要求1所述的方法,其特征在于,步骤S3中,所述多维输入特征体系包括基础特征、差分特征、时间变化特征、统计特征、平滑特征及归一化特征。

5.根据权利要求4所述的方法,其特征在于,所述基础特征包括各特征点的长度、角度、潮差、波高、波向、波周期和岬角开口方向;所述差分特征为相邻特征点间的长度差分与角度差分;所述时间变化特征为特征点年度长度与角度的变化均值;所述统计特征为特征点长度的统计量;所述平滑特征为特征点长度的多年滚动平均值;所述归一化特征为对长度及动力参数进行归一化处理得到的参数。

6.根据权利要求1所述的方法,其特征在于,步骤S4中,所述卷积神经网络层采用一维卷积核提取特征点间的空间特征;所述双向长短时记忆网络层采用两层级联结构以捕捉时序依赖关系。

7.根据权利要求6所述的方法,其特征在于,所述混合模型的训练过程采用Huber损失函数、Adam优化器,并引入了丢弃层、L1-L2正则化及动态学习率调整策略。

8.根据权利要求1所述的方法,其特征在于,步骤S5中,所述交互贡献值的计算公式为:;

其中,是因子i和j的交互贡献值,是i和j联合作用时的总贡献值,是i、j各自独立作用的贡献之和。

9.根据权利要求1所述的方法,其特征在于,步骤S6之后还包括精度验证步骤,采用平均绝对误差、均方根误差及决定系数对预测结果进行评估。

10.一种基于CNN-BiLSTM的岬湾静态平衡岸线预测系统,其特征在于,包括依次连接的数据采集模块、预处理模块、特征工程模块、模型构建与训练模块、贡献度分析模块及预测输出模块,用于实现如权利要求1-9中任一项所述的方法。