空天地海一体化海洋环境数据多步预测

作者：李志刚; 孙晨伟; 魏彪; 孙晓川

来源：信号处理, 2022, 38(08): 1620-1631.

DOI：10.16798/j.issn.1003-0530.2022.08.007

• 空天地海一体化
• 海洋环境数据
• 多步预测
• 卷积神经网络
• 长短期记忆网络
• 粒子群优化

辅助海洋管理决策的多步预测预警意义重大且极具挑战性。实时、稳定、高效的广域海洋环境数据获取是保障多步预测性能的前提，未来6G空天地海一体化网络部署将有效地提升海洋分布式态势感知能力，提供高质量的数据支撑。众所周知，多步长模式下数据间的时序依赖性被极大地弱化，对此，本文提出了基于多阶段特征学习的海洋环境数据多步预测模型。结构上，该模型主要包括卷积神经网络（Convolutional Neural Networks,CNN）、优化组合的长短期记忆网络（Long Short-Term Memory Network,LSTM）和全连接层。这里，CNN用于提取海洋环境数据的细粒度特征，而基于粒子群优化的多LSTM组合方法，可以有效地挖掘数据间的时序依赖关系（粗粒度特征）。实验结果表明该模型的预测性能明显优于CNN、LSTM以及门控制循环单元，并进行了统计验证。

• 单位
  华北理工大学