基于LSTM-RNN的海水表面温度模型研究

• 作者: 朱贵重 胡松
• 来源期刊: 应用海洋学学报
• 学科: 地球科学
• 关键词: 海洋物理学 LSTM-RNN SST 神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 191-197
• 页数: 7页
• 分类号: P733
• 字数: 4141字
• 语种: 中文
• DOI: 10.3969/J.ISSN.2095-4972.2019.02.005

摘要

针对数值模式和统计学习方法在海表面温度(SST)建模中的不足,将长短时记忆循环神经网络(LSTM-RNN)应用于SST的建模.使用研究海区24 a月平均的SST和太阳辐射、风场、蒸发降水等物理参数,通过LSTM-RNN构建西太平洋研究海区SST时间序列变化模型,用于预报研究海区下个月SST.建立了两个模型model1和model2,model1仅使用SST数据作为model2的对照,model2使用SST和其他物理参数.结果表明:model2在验证数据中的MAE为0.15℃,RMSE为0.19℃,相关性系数为0.978,和model1相比总体准确性提升31％,表明LSTM-RNN应用于SST建模是可行的;LSTM-RNN可以建立其他物理参数与SST的关系,从而显著提升海水表面温度模型的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡松	上海海洋大学海洋科学学院	47	117	6.0	9.0
2	朱贵重	上海海洋大学海洋科学学院	1	2	1.0	1.0