期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于长短时记忆神经网络的辽东湾海冰延伸期预报方法研究 被引量:8
1
作者 焦艳 黄菲 +5 位作者 高松 刘清容 冀承振 王宁 曹雅静 于清溪 《中国海洋大学学报(自然科学版)》 CAS CSCD 北大核心 2020年第6期1-11,共11页
通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势... 通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1~15 d预报的平均绝对误差为4.1~5.7 n mile①,均方根误差为5.4~7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5~7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。 展开更多
关键词 辽东湾海冰 延伸期预报 长短时记忆神经网络 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部