四维卷积网络预测模型

　　近日，中国科学院沈阳自动化研究所在海洋温度预测方法研究中取得新进展，提出的基于立体空间-时间的四维卷积模型高精度应用于海水温度预测。研究结果发表在IEEE Geoscience and Remote Sensing Letters，并申请了相关专利。

　　海洋温度预测在全球变暖、渔业和海洋环境保护等各种海洋相关领域都占有非常重要的地位，是海洋学方面的重要研究内容。目前基于深度学习的预测方法均以时序预测为主，忽视了海洋内部的空间联系，以点预测点的方式导致特征提取不充分。除此之外，海洋内部不定期存在温跃层，温度变化趋势在温跃层位置发生骤变，这也加大了海洋温度预测的难度，也因此目前对海水温度的研究大多集中于海表。

　　沈阳自动化所数字工厂研究室大数据课题组提出一种基于时空四维卷积网络的模型，此模型由四维卷积网络、残差网络、再校准模块三部分构成。利用四维卷积将海洋温度同时从立体空间、时间维度提取双重特征。之后紧接残差单元，利用三维卷积进一步探索海洋的空间特征。最后通过再校准模块探索并量化各个区域特征的贡献程度，由此提高模型的质量。通过实验，此模型对海洋0-2000m的水平及剖面预测均取得了高精度结果，温跃层的位置及形状也能准确捕捉。研究人员将其与主流算法进行对比，在均方根误差（RMSE）、平均绝对误差（MAE）、预测精度（ACC）、决定系数（R-Square）等多个指标上均为最优。

　　该研究为海洋温度预测提供了新的研究思路，可为海洋环境感知相关项目提供核心技术支持。（数字工厂研究室）