典型文献
基于ConvLSTM机器学习的风暴潮漫滩预报研究
文献摘要：
风暴潮是指由强烈的大气扰动所导致的海面异常升高现象,由热带气旋引起的风暴潮常对沿海地区造成巨大的社会经济、人类活动和生命财产危害.依靠数据驱动的强非线性映射能力的机器学习方法较传统数值模式预报在耗费研究资源和计算时间上更具优势.本文选取广东省珠江口为研究区域,基于卷积长短时记忆网络(Convolu-tional LSTM network,ConvLSTM)机器学习算法展开风暴潮漫滩预报研究,利用由再分析资料驱动的数值模式产品构建了历史台风漫滩数据集,用于机器学习模型训练、验证和测试.研究了两种预报方式,一种是基于海表面高度场的自回归预报,另一种是依赖预报风场和初始海表面高度场进行的预报;它们可以实现基于数据驱动的风暴潮漫滩预报,其中自回归预报模型表现更优.相较于传统动力学数值预报,基于数据驱动的ConvLSTM预报模型结构更为轻便,所需驱动数据更少,在缺少边界条件、地形、径流等信号时,在短临预报中仍能基本复现数值模式模拟的结果.
文献关键词：
风暴潮;ConvLSTM;机器学习;数据驱动预报
中图分类号：
作者姓名：
谢文鸿;徐广珺;董昌明
作者机构：
南京信息工程大学海洋数值模拟与观测实验室,江苏南京 210044;南方海洋科学与工程广东省实验室(珠海) ,广东珠海 519000;广东海洋大学电子与信息工程学院,广东湛江 524088
文献出处：
引用格式：
[1]谢文鸿;徐广珺;董昌明-.基于ConvLSTM机器学习的风暴潮漫滩预报研究)[J].大气科学学报,2022(05):674-687
A类：
数据驱动预报
B类：
ConvLSTM,风暴潮,漫滩,大气扰动,海面,热带气旋,沿海地区,人类活动,生命财产,强非线性,非线性映射,机器学习方法,数值模式,模式预报,耗费,计算时间,珠江口,卷积长短时记忆网络,Convolu,tional,network,机器学习算法,算法展开,再分析资料,历史台风,机器学习模型,模型训练,自回归,风场,预报模型,数值预报,模型结构,轻便,径流,短临预报,复现
AB值：
0.366296
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。
