Argo温度数据的ConvGRU模型预测分析

• 作者: 张雪薇 韩震
• 学科: 地球科学
• 关键词: Argo数据 ConvGRU 温度 预测模型
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 技术与方法
• 页码范围: 628-635
• 页数: 7页
• 分类号: TP79,X87
• 语种: 中文

摘要

Argo（Array for Real-time Geostrophic Oceanography）是海洋环境信息的重要来源之一，可通过自动剖面浮标、卫星定位和数据同化等技术获取大范围全球海洋上层之间的海温剖面资料。本文利用ConvGRU（Convolutional Gate Recurrent Unit）作为Argo温度的预测模型，以西北太平洋部分海域为研究区域，选取2004-2018年Argo数据作为训练数据，对2019年的0 m、50 m、100 m、200 m和300 m 不同深度位置水平剖面进行了预测分析。研究结果表明：ConvGRU模型对Argo温度数据的变化趋势具有较好的模拟能力；预测模型的训练集和验证集的RMSE（root mean squared error）均值分别为0.0462℃和0.0463℃，MAE（mean absolute error）均值分别为0.0442℃和0.0450℃，其Acc（accuracy）都在99%以上；对于预测评估，RE（relative error）的误差范围为0.0228～0.0427，预测变化的空间特性与真实值的吻合程度较高。