多尺度二维小波和物理信息耦合的海表温预测方法及系统

本技术属于海洋预测，涉及海表温的预测，特别涉及多尺度二维小波和物理信息耦合的海表温预测方法及系统。

背景技术：

1、海表温变化具有高度的非线性与非平稳性，其预测对于理解海洋过程、提升气候模型精度以及海洋灾害预警具有重要意义。传统方法通常基于傅里叶变换对海表温数据进行频率分析，以提取其周期性特征。然而，傅里叶变换建立在信号全局平稳的假设之上，因此在面对真实的海表温非平稳变化，尤其是存在突变、漂移或局部异常的情形时，往往难以捕捉其关键的局部时空动态特征，导致预测精度下降。

2、小波变换由于具备一定的时频局部分析能力，被广泛用于时序建模任务中。但其本质仍然依赖预定义的固定滤波器，缺乏从数据中自适应学习的能力。在面对复杂多变、尺度差异显著的海表温变化时，这一限制使得小波方法在建模局部变化或极端事件方面表现出明显不足。

3、与其他时空场相比，海表温场具有更强的物理可解释性，即通过热量收支方程可以描绘海表温场的变化趋势，但是，海洋过程中更多小尺度的变化过程的尺度小于数据的空间分辨率，无法被建模，采用物理约束也无法准确描述海洋表面的变化规律。

4、此外，海表温场存在多尺度变化共存特征：低频分量反映季节性大尺度热力与动力过程，高频分量表现为天气扰动等快速变化。因此，传统方法难以同时建模不同尺度过程，限制了对复杂海洋机制的刻画。本方法将物理信息驱动引入多尺度框架，可在分离与重构各频率分量的同时，以热量收支方程等约束提升低频预测的物理一致性，以提高模型的预测能力。

技术实现思路

1、针对现有技术存在的不足，本发明提供一种多尺度二维小波和物理信息耦合的海表温预测方法及系统，解决现有海表温预测方法中“大尺度物理一致性约束与小尺度异常结构刻画难以兼顾”的技术问题。与仅采用固定小波基或经验小波进行多尺度分解的技术方案不同，本发明在经度方向与纬度方向分别构建可学习的一维小波滤波器，并通过外积生成二维小波分析卷积核及与之对应的逆小波重构卷积核，使多尺度分解与重构过程能够结合预测任务进行端到端联合优化，从而提升对非平稳、方向性及区域差异性海表温度变化的自适应表征能力。与将统一物理一致性约束以物理信息损失项形式施加于整体预测过程的技术方案不同，本发明并非仅在网络输出端通过损失函数对预测结果进行物理约束，而是将热量收支方程嵌入低频分量的求解过程中，依托自动微分框架计算空间导数并结合时间差分进行数值积分，直接生成物理信息约束下的大尺度海表面温度平稳性特征，再以该特征引导高频异常分量的重构，使物理信息以中间特征形式注入深度学习过程，而非仅以误差惩罚形式进行后验校正。与将统一物理一致性约束直接施加于整体预测过程的技术方案不同，本发明仅对低频分量引入热量收支方程进行数值求解，获得表征大尺度热力、动力过程的平稳性特征，而将高频分量作为小尺度异常过程进行单独提取与重构，使物理约束重点作用于可由物理机理稳定描述的低频部分，避免对高频非平稳扰动进行过强的统一物理假设。此外，本发明将所述低频物理平稳性特征与高频异常特征通过逆小波重构形成多尺度时空综合特征，并进一步通过分层门控机制进行动态融合，从而实现低频物理一致性与高频异常细节刻画的协同提升，提高海表温预测的精度、稳定性和可解释性。

2、为解决上述技术问题，本发明提供多尺度二维小波和物理信息耦合的海表温预测方法，包括以下步骤：

3、s1、跨尺度时空建模：

4、对输入的海表温序列进行多尺度特征分解，以提取具有不同物理驱动机制的多尺度海表面温度变化特征；

5、s2、物理监督的低频预测：

6、基于二维小波变换原理，在经度方向与纬度方向分别构建可学习的一维低频小波滤波器，并通过外积运算生成可学习二维低频小波分解卷积核，利用所述可学习二维低频小波分解卷积核对多尺度海表面温度变化特征进行低频分量提取，获得反映大尺度、缓变热力和动力过程的海表面温度低频信号；将所述海表面温度低频信号作为热量收支方程的输入变量，依托自动微分框架计算空间导数，并采用前向差分方式计算时间导数，通过数值积分获得物理信息约束下的大尺度海表面温度平稳性特征；

7、其中，所述热量收支方程仅作用于低频分量，而不直接作用于高频异常分量，所述大尺度海表面温度平稳性特征不仅作为物理监督结果，还作为步骤s3高频信息引导的异常结构重建的引导信息输入重构过程，用于实现物理信息与数据信息在频率解耦后的协同融合；

8、s3、高频信息引导的异常结构重建：

9、对所述多尺度海表面温度变化特征进行多分支的高频小波分解，提取小尺度异常信息，并将提取的小尺度异常信息与步骤s2获得的大尺度海表面温度平稳性特征进行重构融合，生成多尺度时空综合特征；

10、s4、动态融合：

11、对s3重建的多尺度时空综合特征进行动态融合，通过构建多个门控机制，分别计算各特征之间的融合权重，采用逐元素乘法对各个特征进行动态加权融合，生成预测结果g。

12、进一步的，所述步骤s1中，所述跨尺度建模通过对原始海表温序列x使用特征提取和下采样交替操作生成多尺度海表面温度变化特征，其中，特征提取包括归一化、卷积、通道注意力、残差连接、卷积四个步骤，下采样使用步长卷积实现，从而获得对应不同空间分辨率的大尺度与小尺度特征图，作为多尺度海表面温度变化特征，多尺度海表面温度变化特征包括大尺度海表面温度变化特征、小尺度海表面温度变化特征，其中大尺度海表面温度变化特征对应由大尺度热力、动力过程主导的变化趋势，小尺度海表面温度变化特征为无法使用传统的物理约束描述的由短临、小尺度、具有复杂非平稳性的扰动过程主导的变化过程。

13、进一步的，所述步骤s3中，基于二维小波变换原理，在经度方向与纬度方向分别构建可学习的一维高频小波滤波器，并通过外积运算对构建的一维高频小波滤波器进行组合，获得三个可学习高频小波分解卷积核，包含：垂直高频滤波器、水平高频滤波器和对角高频滤波器；将所有的滤波器进行聚合得到最终的高频滤波器，使用高频滤波器对s1提取的多尺度海表面温度变化特征分别进行小波分解，提取垂直高频信息、水平高频信息和对角方向高频-高频信息，得到方向性高频解耦特征，包含三个分量，表示为：

14、；

15、其中i表示尺度，i=0或1，表示垂直高频滤波器的滤波输出的垂直高频信息，表示水平高频滤波器的滤波输出的水平高频信息，表示对角高频滤波器的滤波输出的对角方向高频-高频信息，[;]表示多个分量的拼接。

16、进一步的，将所述方向性高频解耦特征与步骤s2提取的物理信息约束下的大尺度海表面温度平稳性特征进行组合，获得多频率解耦特征，表示为：

17、；

18、其中i表示尺度，i=0或1，concat表示聚合操作；

19、所述可学习二维低频小波分解卷积核和三个可学习二维高频小波分解卷积核构成完整可学习小波卷积核，构建一组与对应的完整可学习逆小波卷积核，使用完整可学习逆小波卷积核对多频率解耦特征进行逆小波重建，实现低频信息和高频信息、物理信息与数据信息的融合，得到多尺度时空综合特征；其中，所述可学习逆小波重构卷积核与所述可学习二维小波分析卷积核联合训练，以保证频率分解与重构过程的一致性，使低频物理特征能够以重构引导的方式注入高频异常建模过程；

20、之后使用一组对应的可学习逆小波卷积核对方向性高频解耦特征的三个分量和s2获得的物理信息约束下的大尺度海表面温度平稳性特征进行重构，得到多尺度时空综合特征。

21、进一步的，s4中对s3提取的多尺度时空综合特征进行动态融合，采用自下而上的方法，通过上采样和门控机制，分别计算每层之间的融合权重，采用逐元素乘法对各层特征进行加权融合：

22、当i=1时，该尺度的融合特征等于该尺度的时空综合特征的激活输出，表示为：

23、；

24、其中，代表激活函数；

25、当i=0时，使用上采样机制和门控机制融合和，得到该尺度的融合特征g，表示为：

26、；

27、其中为小尺度的融合特征输出，为当前尺度的局部时空综合特征，为门控网络的权重，为门控网络的偏移量，代表上采样操作，[;]代表两个特征的拼接，代表激活函数，最终使用g作为模型的输出。

28、本发明还提供多尺度二维小波和物理信息耦合的海表温预测系统，所述预测系统包括：

29、跨尺度时空建模模块，用于提取多尺度海洋特征：对输入的海表温序列进行多尺度特征分解，以提取具有不同物理驱动机制的多尺度海表面温度变化特征；

30、物理监督的低频预测模块，用于预测海表温低频分量：对所述多尺度海表面温度变化特征进行低频滤波，并将滤波得到的海表面温度低频信号作为热量收支方程的参数输入，通过求解方程获取物理信息约束下的大尺度海表面温度平稳性特征；

31、高频信息引导的异常结构重建模块，用于提取多尺度时空综合特征：对所述多尺度海表面温度变化特征进行多分支的高频小波分解，提取小尺度异常信息，并将提取的小尺度异常信息与步骤s2获得的大尺度海表面温度平稳性特征进行重构融合，生成多尺度时空综合特征；

32、动态融合模块，用于动态融合：对提取的多尺度时空综合特征进行动态融合，通过构建多个门控机制，分别计算各特征之间的融合权重，采用逐元素乘法对各个特征进行动态加权融合，生成预测结果。

33、本发明还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序由处理器执行时，用于实现如前所述的方法。

34、与现有技术相比，本发明的有益效果在于：

35、（1）本发明实现了“多尺度分解”与“物理驱动机制”的深度融合，显著提升了预测的物理一致性与精度。利用跨尺度时空建模模块，将原始复杂的海表温场从时域上分离为不同尺度的分量。本发明构建了一个物理信息引导的协同预测机制：低频分量物理预测，将提取的低频分量显式输入混合层热量收支方程，通过自动微分框架进行物理计算，强制模型的核心预测模块遵从能量守恒等基本物理定律。

36、（2）本发明采用可学习二维小波分解卷积核与对应逆小波重构卷积核协同构建多尺度分解—重构框架，不同于基于固定小波基或经验小波的静态分解方式，能够结合海表温预测目标对频率分解边界和重构过程进行联合优化，从而提高对复杂非平稳海洋过程、区域差异性变化以及方向性异常结构的自适应表征能力。

37、（3）本发明将热量收支方程选择性作用于低频分量，仅对反映大尺度、缓变热力和动力过程的低频信息进行物理求解，获得物理信息约束下的大尺度海表面温度平稳性特征，并将该特征作为引导信息参与后续高频异常结构重构。与将统一物理一致性约束直接施加于整体预测网络的方案相比，本发明能够在保证大尺度物理一致性的同时，避免对高频异常扰动施加过度的统一物理假设。

38、(4)本发明通过基于门控机制的动态融合策略，显著提升了多尺度时空综合特征融合的有效性。利用自下而上的上采样与门控网络分别计算各层特征之间的融合权重，实现了对多尺度时空综合特征动态加权融合。这种方法能够根据海温变化的实时动态自适应地调整不同尺度信息的贡献度，有效解决了信息互斥或丢失的问题。