-
题名基于机器学习的海表温度对中国降水的预测研究
被引量：2
- 1
-
-
作者
李良伟
邹斌
石立坚
刘鹏
-
机构
国家卫星海洋应用中心
国家海洋环境预报中心
自然资源部空间海洋遥感与应用重点实验室
南方海洋科学与工程广东省实验室
-
出处
《海洋预报》
CSCD
北大核心
2021年第3期29-37,共9页
-
基金
国家重点研发计划(2018YFC1407200、2018YFC1407206)。
-
文摘
利用K-means聚类算法将36 a的中国周降水数据聚类为7个区域,其中非季风区的中国西北和青藏高原的大部分地区聚类为两个区域,其余区域聚类为5个区域。将各区域的降水量数据经过指数平滑之后,输入聚焦时延神经网络(FTDNN),求解其与经过主成分分析降维处理的SST之间的关系。结果表明:季风区的降水量最佳延迟时间比远离海洋的非季风区域的最佳延迟时间大,同时也得到了预测各区域降水的最佳延迟时间。在对各区域的降水量进行短期和中长期的预测中得出,FTDNN神经网络在利用降维后的SST预测降水量上显示出很好的预测效果,尤其是中长期趋势的预测,与传统的小波变换重建原序列以及均生函数方法的预测结果相比,相关系数和均方根误差都有了很大的提高,新疆地区测试结果的相关系数比小波变换结果提高了0.05。
-
关键词
K-MEANS
聚焦时延神经网络
主成分分析
降水
海表温度
-
Keywords
K-means
FTDNN
PCA
precipitation
SST
-
分类号
P731.11
[天文地球—海洋科学]
P426.6
[天文地球—大气科学及气象学]
-
