典型文献
基于生成对抗网络模型的热带和亚热带海洋中尺度涡预报研究
文献摘要：
中尺度涡蕴含海洋超过90％的动能,显著影响海洋物质能量循环.对中尺度涡的预报是目前物理海洋学研究的热点和难点.文章基于卫星高度计观测的近30年海表面高度异常数据(sea level anomaly,SLA),采用基于博弈思想的生成对抗网络方法(generative adversarial networks,GAN),构建了中尺度涡预报模型,进行了28天预报,并采用独立样本分析了预报涡旋的空间分布、时间分布、能量强度等特征参数,探讨影响预报结果准确性和时效性的主要因素.结果表明,半径为100～200km的涡旋在15天左右的预报时长仍能保持较好的准确性及时效性,误差在20％以内.该区域的平均涡动能约为0.875m2·s-2,其预报的均方根误差(root mean square error,RMSE)普遍介于0.02～0.04m2·s-2.且涡旋预报结果受异常天气影响较小,在正常天气条件和台风娜基莉条件下具有相似的预报能力.这些结果对进一步理解并应用生成对抗网络这一新方法预报海洋中尺度涡提供了参考.
文献关键词：
生成对抗网络;中尺度涡预报;海表面高度异常;深度学习方法
中图分类号：
作者姓名：
刘爽;经志友;詹海刚
作者机构：
热带海洋环境国家重点实验室(中国科学院南海海洋研究所),广东广州510301;中国科学院大学,北京100049
文献出处：
引用格式：
[1]刘爽;经志友;詹海刚-.基于生成对抗网络模型的热带和亚热带海洋中尺度涡预报研究)[J].热带海洋学报,2022(05):1-16
A类：
中尺度涡预报,875m2,04m2
B类：
生成对抗网络,亚热带,热带海洋,海洋中尺度涡,物理海洋学,卫星高度计,海表面高度异常,异常数据,sea,level,anomaly,SLA,generative,adversarial,networks,GAN,预报模型,样本分析,涡旋,时间分布,影响预报,结果准确性,200km,报时,涡动能,root,mean,square,error,RMSE,异常天气,天气影响,天气条件,台风,深度学习方法
AB值：
0.324438
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。
