(19)中华 人民共和国 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 202111675313.3 (22)申请日 2021.12.31 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 任磊　黎明思　王璞　王雅琦　 魏稳　欧素英　黄硕　胡湛　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 代理人 梁嘉琦 (51)Int.Cl. G06V 20/05(2022.01) G06T 17/05(2011.01) G06N 3/08(2006.01) G06N 3/04(2006.01)G06V 10/82(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于宽度学习的涡旋识别方法及装置 (57)摘要 本发明公开了一种基于宽度学习的涡旋识 别方法及装置， 方法包括： 获取目标区域的海表 流场数据， 并根据所述海表流场数据确定所述目 标区域的海 ‑气界面的流场特征； 对所述目标区 域进行涡旋分布判断， 确定所述目标区域的涡旋 分布结果； 通过二次曲面方程对 所述涡旋分布结 果进行拟合后， 确定涡旋的三维结构类型； 采用 宽度学习方法对已识别出的涡旋的特征进行学 习后， 根据所述目标区域内的流场特征进行近海 次中尺度涡旋的预测， 得到涡旋识别结果。 本发 明提高了 预测的准确性， 可广泛应用于数据处理 技术领域。 权利要求书2页 说明书12页 附图3页 CN 114299377 A 2022.04.08 CN 114299377 A 1.一种基于 宽度学习的涡旋识别方法， 其特 征在于， 包括： 获取目标区域的海表流场数据， 并根据所述海表流场数据确定所述目标区域的海 ‑气 界面的流场特 征； 对所述目标区域进行涡旋分布判断， 确定所述目标区域的涡旋分布结果； 通过二次曲面方程对所述涡旋分布结果进行拟合后， 确定涡旋的三维结构类型； 采用宽度 学习方法对已识别出的涡旋的特征进行学习后， 根据 所述目标区域内的流场 特征进行近海次中尺度涡旋的预测， 得到涡旋识别结果。 2.根据权利要求1所述的一种基于宽度 学习的涡旋识别方法， 其特征在于， 所述获取目 标区域的海表流场数据， 并根据所述海表流场数据确定所述 目标区域的海 ‑气界面的流场 特征， 包括： 通过高频地波雷达采集所述目标区域的海表流场数据； 对所述海表流场数据进行 数据分析， 得到所述目标区域的流场特 征。 3.根据权利要求1所述的一种基于宽度 学习的涡旋识别方法， 其特征在于， 所述对所述 目标区域进行涡旋分布判断， 确定所述目标区域的涡旋分布结果， 包括： 根据先验知识确定海洋涡旋上界面的气压特征和风速特征， 根据卫星云图和风速场图 像， 对所述气压特 征和所述 风速特征进行第一分析； 将高频地波雷达采集到的数据转化成海表流场速度矢量场， 通过VG算法对所述海表流 场速度矢量场进行第二分析； 获取红外遥感图像中海面温度图像的同步异常数据， 对所述海面温度图像进行第 三分 析； 根据所述第一分析的结果、 所述第二分析的结果和所述第三分析的结果， 确定所述目 标区域的涡旋分布结果。 4.根据权利要求3所述的一种基于宽度 学习的涡旋识别方法， 其特征在于， 所述通过二 次曲面方程对所述涡旋分布结果进行拟合后， 确定涡旋的三维结构类型， 包括： 将高频地波雷达获取的海表流场数据转化成区域场 流速矢量， 并对所述 区域场流速矢 量进行涡旋初识别； 在遥感图像 中找到温度异常的区域， 结合所述涡旋初识别的结果和VG算法识别涡旋位 置， 对该区域是否存在涡旋进行判断； 在判断存在涡旋后， 以涡旋表层为起点， 根据 预设的间隔距离向下分层， 确定垂向各层 的流速数据； 根据各层流速 矢量的方向， 查找各层中是否存在与表层极性相同的涡旋； 若查找到与表层 极性相同的涡旋， 则根据流速矢量组成的形状， 探测涡旋的边界、 涡旋 中心流速以及涡旋半径； 分别在各层 建立相应的坐标系， 根据 所述涡旋半径和涡旋的边界拟合得到边界曲线方 程； 根据各层的边界曲线方程拟合得到三维涡旋的边界曲面方程， 所述边界曲面方程用于 表征三维涡旋的形态， 所述 三维涡旋的形态包括双曲面型涡旋和抛物面型涡旋； 对拟合得到的三维涡旋的边界曲面方程进行显著性检验， 将检验结果最好的二次曲面 类型作为该涡旋的三维结构类型。权　利　要　求　书 1/2 页 2 CN 114299377 A 25.根据权利要求1所述的一种基于宽度 学习的涡旋识别方法， 其特征在于， 所述采用宽 度学习方法对已识别出的涡旋的特征进行学习后， 根据所述目标区域内的流场特征进 行近 海次中尺度涡旋的预测， 得到涡旋识别结果， 包括： 将涡旋中心流速、 涡旋半径、 涡旋曲面形态、 红外 遥感图像提取 特征作为输入数据； 将所述输入数据划分为训练集和验证集； 对所述训练集进行特征映射， 生成特征节点， 并根据所述特征节点得到中间层训练矩 阵； 对所述特征节点进行非线性变换处理， 生成增强节点， 并根据所述增强节点得到中间 层验证矩阵； 将所述特 征节点和所述增强节点进行拼接处 理， 得到隐藏层； 根据所述隐藏层、 所述中间层训练矩阵以及所述中间层验证矩阵， 输出 预测值； 根据所述预测值确定所述涡旋识别结果。 6.根据权利要求5所述的一种基于宽度 学习的涡旋识别方法， 其特征在于， 所述涡旋识 别结果包括但不限于涡旋的移动半径、 涡旋的寿命以及涡旋的移动路径。 7.一种基于 宽度学习的涡旋识别装置， 其特 征在于， 包括： 第一模块， 用于获取目标区域的海表流场数据， 并根据所述海表流场数据确定所述目 标区域的海 ‑气界面的流场特 征； 第二模块， 用于对所述目标区域进行涡旋分布判断， 确定所述目标区域的涡旋分布结 果； 第三模块， 用于通过二次曲面方程对所述涡旋分布结果进行拟合后， 确定涡旋的三维 结构类型； 第四模块， 用于采用宽度学习方法对已识别出的涡旋的特征进行学习后， 根据所述目 标区域内的流场特 征进行近海次中尺度涡旋的预测， 得到涡旋识别结果。 8.一种电子设备， 其特 征在于， 包括处 理器以及存 储器； 所述存储器用于存 储程序； 所述处理器执行所述程序实现如权利要求1至 6中任一项所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有程序， 所述程序被处理 器执行实现如权利要求1至 6中任一项所述的方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1至 6任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114299377 A 3