-
题名卷积神经网络在近岸表层海温预报中的应用
被引量：4
- 1
-
-
作者
翁少佳
蔡锦海
庞运禧
罗荣真
-
机构
自然资源部汕头海洋中心
-
出处
《热带海洋学报》
CAS
CSCD
北大核心
2024年第1期40-47,共8页
-
基金
广东省平台基地及科技基础条件建设项目(2021B1212050025)。
-
文摘
针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature,SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks,CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error,MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error,RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃,RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃,RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准确度,并且预报效果可以媲美LSTM。
-
关键词
表层海温
近岸台站
多元时间序列
卷积神经网络
-
Keywords
sea surface temperature
near-shore stations
multivariate time series
CNN
-
分类号
P731.31
[天文地球—海洋科学]
-
