典型文献
长短期记忆神经网络在厦门风暴潮预报中的应用
文献摘要：
利用长短期记忆神经网络(LSTM)模型强大的长短期记忆能力,建立厦门风暴潮增水预报的人工神经网络模型.利用信息流理论确定了影响增水的10种因子,分别利用不同因子组合测试了不同模型的表现,确定了表现最佳的因子组合.基于此因子组合,对比了LSTM模型和常用的BP神经网络模型、SVM模型和线性回归模型,确定了LSTM模型在风暴潮增水上的优势.基于LSTM最佳预测模型预测了1、2、3及6 h风暴潮增水值,并基于三种不同台风路径分析了模型的平均绝对误差、相关系数、有效系数和极值偏差指标.结果显示,LSTM模型在预报风暴潮短期增水有很高精度,可为防灾减灾提供辅助和参考.
文献关键词：
风暴潮;信息流;长短期记忆神经网络(LSTM);神经网络;预报
中图分类号：
作者姓名：
苗庆生;徐珊珊;杨锦坤;杨杨;刘玉龙;余璇
作者机构：
国家海洋信息中心,天津300171;上海大学,上海200444
文献出处：
引用格式：
[1]苗庆生;徐珊珊;杨锦坤;杨杨;刘玉龙;余璇-.长短期记忆神经网络在厦门风暴潮预报中的应用)[J].中国海洋大学学报（自然科学版）,2022(09):10-19
A类：
B类：
长短期记忆神经网络,门风,风暴潮预报,短期记忆能力,风暴潮增水,人工神经网络模型,信息流理论,子组,组合测试,线性回归模型,水上,同台,台风路径,平均绝对误差,有效系数,极值,防灾减灾
AB值：
0.224574
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。
