典型文献
BP和RBF神经网络应用于海表温盐短期预测效果对比
文献摘要：
为了对海表温度(Sea Surface Temperature,SST)和海表盐度(Sea Surface Salinity,SSS)数据进行精确的短期预报,基于多站位海洋观测浮标获取的海表温度和海表盐度数据,利用反向传播(Back Propagation,BP)和径向基函数(Radial Basis Function,RBF)两种神经网络方法开展了短期预测.首先,在预测时长固定为5 d的情况下,对比不同训练时长的预测结果的均方误差(Mean Squared Error,MSE),进而确定以20 d的观测数据作为训练集的预测结果均方误差最小.然后,以PAPA站观测浮标获取的2009年1月、4月、7月和10月各月的前20 d温盐数据作为训练集,分别训练BP和RBF神经网络,将训练好的2种神经网络模型应用于各月第21至25日的温盐数据预测.结果表明:BP和RBF神经网络均能有效预测海表温盐数据的季节性变化,但RBF神经网络对不同预测时间的整体预测效果优于BP神经网络.多站点数据的预测实验进一步验证了RBF神经网络模型具有较强的适用性和更高的准确性.RBF神经网络模型可以作为海表温盐数据短期预报的有力工具.
文献关键词：
BP神经网络模型;RBF神经网络模型;海洋观测浮标;数据预测;海表温度;海表盐度
中图分类号：
作者姓名：
李亚蒙;丁军航;孙宝楠;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;山东省工业控制技术重点实验室,山东 青岛 266071;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
文献出处：
引用格式：
[1]李亚蒙;丁军航;孙宝楠;官晟-.BP和RBF神经网络应用于海表温盐短期预测效果对比)[J].海洋科学进展,2022(02):220-232
A类：
海洋观测浮标,PAPA
B类：
RBF,网络应用,短期预测,效果对比,海表温度,Sea,Surface,Temperature,SST,海表盐度,Salinity,SSS,短期预报,多站位,反向传播,Back,Propagation,径向基函数,Radial,Basis,Function,神经网络方法,均方误差,Mean,Squared,Error,MSE,观测数据,训练集,练好,模型应用,数据预测,测海,季节性变化,多站点
AB值：
0.333229
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。
