[0001] 本发明涉及天气预报技术领域，具体涉及一种基于时空混合卷积注意力的海洋天气预测方法及系统。

[0002] 海洋占据了地球70％的面积，其丰富的资源是人类赖以生存的重要基础，其多变的气候时刻影响着全球气候的改变。例如，海表温度的变化是全球极端气候的突出表现形式，比如厄尔尼诺、全球气候变暖等。灾难级海浪的形成和海风等级直接关联，时刻影响着海上生产的安全。所以，准确的预测海洋天气变化，对海洋环境保护、极端气候预测、海上生产活动等具有重要意义。但是由于海洋空间联系紧密，天气变化速度快，影响因素众多，且多区域、多因素之间具有内在关联性，相互影响，相互作用，所以在时空环境下实现海洋天气的准确预测仍然是一个很大的挑战。

[0003] 现有的海洋气候预测方法多为单点或多点数据预测和单元素区域预测。在海洋天气的变化中，既存在强相关的空间关系，也有时间的延续关系，同时各个变量间也会相互影响，所以捕捉空间、时间、变量间的动态相关性对于准确预测海洋天气尤为重要。单点或多点预测方法是针对某一点或几个点的数据建立时序模型，很难实现对空间关系的全面考虑，因而预测效果一般。区域预测是指对某片区域这一二维数据面进行时空模型建立，能够捕捉这篇区域的时间、空间关联，但目前多为单变量模型。对于海洋气候预测而言，单一变量的预测始终是片面的。一方面，海洋气候多个元素相互关联、相互影响，采用有效手段实现多个元素的关系探究，能够实现每个元素的预测效率的提升。另一方面，考虑到实际应用中的硬件设施条件，针对单个海洋变量而设计的预测模型很难满足海洋大环境构建的需求。但是多变量同时训练学习的难度是远大于单变量网络的。如何避免不同尺度损失给各任务带来的负面影响，如何平衡各变量的训练过程，最终达到多变量共同最优回归是一个多任务领域的难题。海洋天气数据生成采用多任务模式，即多输入多输出，同时预测多个元素能够大大减少占用的计算资源，这对于基于数据驱动的海洋天气预测方法的实际应用具有重要意义。

[0004] 因此，多元海洋天气预测主要面临以下三个挑战：

[0005] 1)如何充分挖掘时空场中的空间联系；

[0006] 2)如何获取时空场中的时间依赖关系；

[0007] 3)如何捕捉多变量之间的动态相关性，保证多变量的预测精度。