[0001] 本发明涉及水文技术领域，具体为一种基于Vision Transformer神经网络的台风风暴潮漫滩智能预报方法。

[0002] 当剧烈的气象干扰发生时，海水潮位可能会异常上升，这种现象称为风暴潮，在某些情况下亦被称作“风暴增水”或“风暴海啸”。风暴潮是否形成灾害，关键在于这种由气候动荡引发的海水高涨是否恰好与潮汐周期中的天文高潮重合。多种气候事件，包括台风、温带气旋及寒流强风等，均可成为引发特定区域风暴潮的原因。根据其成因，风暴潮可分为温带区域的风暴潮与因台风引起的风暴潮两大类。通常，台风风暴潮多出现在夏季和秋季，形势迅猛，破坏性巨大。根据《中国海洋灾害公报》的数据，由台风风暴潮引发的直接经济损失高居中国各种海洋灾害之首。因此，及时并有效地对风暴潮进行预报和预警，在国家经济安全及社会民众生命财产保护方面极为重要且紧迫。

[0027] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0028] 实施例1使用的输入数据为过去7小时的连续风暴潮水位数据和预报时刻的u、v风场数据，大小为280*190，其一种基于Vision transformer神经网络的台风风暴潮漫滩智能预报方法，包括以下步骤：

[0029] 步骤一：将1979‑2009年的二维台风风暴潮漫滩数据和风速在东西方向上的分量u以及风速在南北方向上的分量v的风场数据进行数据预处理，获得一个四维数据(数据量*9*280*190)，后对其进行最值归一化，将数据缩放至0到1之间。

[0030] 步骤二：将步骤一处理好的数据输入模型中进行训练。输入样本首先输入维度为1024的图像块嵌入层，图像在此层被切割成的固定大小为10x10的补丁后，使用可训练的线性投影矩阵E(模型内部自动生成，值是随机的，在训练过程中，通过反向传播算法，矩阵E的值会不断调整，以最小化损失函数)将向量化的图像块映射到具有D维的潜在嵌入空间向量中，得到图像块的嵌入向量，再将每个图像块生成的一个对应的D维位置嵌入向量和对应的图像块的嵌入向量相加，得到最终的图像补丁嵌入向量，以保存图像块在原始图像中的空间位置信息。

[0031] 步骤三：随后将步骤二处理和转换后的图像补丁嵌入向量输入到编码层中，经过64头维度为64的多头注意力机制，使模型能够并行处理数据，关注不同的信息维度，而后隐藏层维度为1024的多层感知机则加强了模型的非线性表示能力，提高了处理复杂关系的能力。

[0032] 步骤四：在经过3个相同的编码层后，输入1x1的卷积核进行操作，用于改变特征图的通道数，而不改变其空间维度，形成输出。

[0033] 步骤五：利用步骤一到步骤四训练得到台风风暴潮漫滩智能预报模型，将验证数据集应用与训练好的台风风暴潮漫滩智能预报模型中，重复步骤二～步骤四，得到基于Vision Transformer神经网络预测出的台风风暴潮漫滩预报。

[0034] 将测试集的500个风暴潮漫滩事件与FVCOM数据进行评估(图2)，图2中VIT表示利用本发明得到的台风风暴潮二维漫滩以及增水高度图，图2中FVCOM是指利用FVCOM得到的台风风暴潮二维漫滩以及增水高度图。结果发现本发明模型预测结果和FVCOM数据对比，MAE达到0.08；本发明的模型可以很好地复现FVCOM模拟的漫滩情况，对漫滩的区域和SSH分布可以做出较好的预测。相较于动力驱动模型的复杂，Vision Transformer显得更为轻便，这大大节省了预报台风风暴潮漫滩的时间成本，并且能够准确地刻画漫滩事件的分布情况。

[0035] 实施例2

[0036] Vision transformer神经网络结构由一个图像块嵌入层、3个编码层和一个卷积层组成，

[0037] 图像块嵌入层的输出端连接编码层的输入端，编码层的输出端连接卷积层的输入端；3个编码层串联连接；

[0038] 其中，图像块嵌入层，用于将图像切割成的固定大小为10x10的补丁，所述图像嵌入层的维度设置为1024；

[0039] 编码层，包括多头注意力机制，每个多头注意力机制中的头的数量为64，每个头在多头注意力机制中的维度设置为64，多层感知机中间隐藏层的维度：1024；

[0040] 卷积层，使用1x1的卷积核进行操作，用于改变特征图的通道数，而不改变空间维度。

[0041] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

[0042] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。