典型文献
基于LSTM的海洋表面短期风速预测研究
文献摘要：
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,long short-term memory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24 h短期预测.同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radial basis function neural network,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性.最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法.
文献关键词：
神经网络;长短期记忆网络模型;海面风速;短期预测
中图分类号：
作者姓名：
李亚蒙;孙宝楠;丁军航;官晟
作者机构：
青岛大学自动化学院,山东 青岛 266071;自然资源部第一海洋研究所,山东 青岛 266061;自然资源部海洋环境科学与数值模拟重点实验室,山东 青岛 266061;山东省海洋环境科学与数值模拟重点实验室,山东 青岛 266061;青岛海洋科学与技术试点国家实验室区域海洋动力学与数值模拟功能实验室,山东 青岛 266237;山东省工业控制技术重点实验室,山东 青岛 266071;青岛大学山东省生态纺织协同创新中心,山东 青岛 266071
文献出处：
引用格式：
[1]李亚蒙;孙宝楠;丁军航;官晟-.基于LSTM的海洋表面短期风速预测研究)[J].海洋科学,2022(11):55-66
A类：
OceanSITES,海表面风速
B类：
风速预测,预测研究,海面风速,long,short,term,memory,浮标站,历史数据,模型输入,经过训练,最佳参数,该站,海区,各季,back,propagation,径向基函数神经网络,radial,basis,function,neural,network,RBF,效果对比,神经网络预测,预测应用,海域,风速数据,数据预测,预测误差,剧变,风速短期预测,长短期记忆网络模型
AB值：
0.305731
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
