典型文献
基于深度学习的潮位预报订正技术研究
文献摘要：
引入长短期记忆神经网络(LSTM)深度学习先进算法,通过3折滑动时间序列交叉验证结合网格搜索方法确定最佳参数,构建了吴淞口潮位预报订正深度学习模型.结合风、压气象参数,对调和分析的预报潮位进行订正,得到更为准确的订正潮位,并与非线性自回归动态神经网络(NARX)浅层学习预报订正结果对比.结果表明:120 h预报潮位经LSTM模型订正后的均方根误差为0.102 m,平均绝对误差为0.084 m,订正后误差降低了52.8％;前72 h预报潮位经LSTM模型订正后误差降低了57.3％.对比发现,LSTM模型在短期和中长期潮位预报订正中均有较好表现,NARX模型在短期预报订正中表现出色."海神"台风风暴潮过程期间,120 h、前72 h和"主振"48 h特征时段预报潮位经LSTM模型订正后,均方根误差为0.114～0.119 m,平均绝对误差为0.100～0.102 m.
文献关键词：
长短期记忆神经网络;深度学习;预报订正;潮位;吴淞口
中图分类号：
作者姓名：
吕忻;丁骏
作者机构：
国家海洋局东海预报中心,上海200136;上海市海洋监测预报中心,上海200062
文献出处：
引用格式：
[1]吕忻;丁骏-.基于深度学习的潮位预报订正技术研究)[J].海洋预报,2022(02):70-79
A类：
B类：
潮位预报,预报订正,长短期记忆神经网络,交叉验证,网格搜索,搜索方法,最佳参数,吴淞口,深度学习模型,压气,气象参数,调和分析,非线性自回归,动态神经网络,NARX,浅层学习,结果对比,平均绝对误差,正中,短期预报,表现出色,海神,台风风暴潮
AB值：
0.235878
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。
