典型文献
基于多变量LSTM神经网络模型的PDO指数预测研究
文献摘要：
利用1921–2020年的海平面气压、海平面高度、热含量数据以及海冰密集度作为太平洋年代际振荡(Pacific?Decadal?Oscillation,?PDO)指数的预报要素,建立了关于PDO指数时间序列预测的多变量长短期记忆(Long?Short?Term?Memory,?LSTM)神经网络模型,对比分析了2011–2020年不同时间序列预测模型的PDO指数预测结果,最后利用多变量LSTM神经网络模型实现了2021–2030年的PDO指数预测.结果显示,多变量LSTM神经网络模型的预测值与观测值经过交叉验证后的平均相关系数和均方根误差分别为0.70和0.62;PDO未来10年将一直处于冷位相,PDO神经网络指数出现两次波动,于2025年出现最小值.相比于其他时间序列预测模型,本文采用的多变量LSTM神经网络模型预测结果误差小、拟合效果好,可以作为一种新型的预测PDO指数的手段.
文献关键词：
PDO指数;LSTM神经网络模型;时间序列预测
中图分类号：
作者姓名：
于振龙;许东峰;姚志雄;杨成浩;刘松楠
作者机构：
自然资源部第二海洋研究所 卫星海洋环境动力学国家重点实验室,浙江 杭州 310012;浙江省海洋科学研究院,浙江 杭州310012
文献出处：
引用格式：
[1]于振龙;许东峰;姚志雄;杨成浩;刘松楠-.基于多变量LSTM神经网络模型的PDO指数预测研究)[J].海洋学报（中文版）,2022(06):58-67
A类：
B类：
多变量,PDO,预测研究,海平面气压,海平面高度,海冰密集度,太平洋年代际振荡,Pacific,Decadal,Oscillation,长短期记忆,Long,Short,Term,Memory,时间序列预测模型,模型实现,观测值,交叉验证,位相,网络指数,数出,最小值,拟合效果
AB值：
0.277583
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。
