期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于Swin-Transformer和时空融合注意力机制的ENSO预测 被引量:1
1
作者 张霄智 方巍 王淏西 《海洋学报》 CSCD 北大核心 2024年第12期111-121,共11页
厄尔尼诺-南方涛动预测是气候变化研究的热点问题之一。本文将Swin-Transformer模型与时空融合注意力机制相结合,采用1850-2014年CMIP6多模式模拟历史数据、1871-1979年SODA同化数据和1980-2023年GODAS同化数据,构建厄尔尼诺-南方涛动... 厄尔尼诺-南方涛动预测是气候变化研究的热点问题之一。本文将Swin-Transformer模型与时空融合注意力机制相结合,采用1850-2014年CMIP6多模式模拟历史数据、1871-1979年SODA同化数据和1980-2023年GODAS同化数据,构建厄尔尼诺-南方涛动预测模型,即ENSO-STformer。该模型通过在CMIP6和SODA数据集上进行充分的训练,并在GODAS数据上进行评估,结果表明:本文模型在提前11个月的Ni?o3.4指数相关技巧的平均值上分别比CanCM4、CCSM3、GFDLaer04动力预报系统高出5.1%、21.6%和12.4%,同时,在中长期的Ni?o3.4指数相关技巧上显著优于其他深度学习模型,并可以进行长达24个月的有效ENSO预测,此外,在对2015-2016年厄尔尼诺事件模拟中表现出较强的应对春季预报障碍能力。 展开更多
关键词 深度学习 ENSO预测 时空融合注意力机制 卷积神经网络 Ni?o3.4指数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部