典型文献
基于GHSOM网络的南海风场时空变化特征分析
文献摘要：
基于1979—2018年欧洲中期天气预报中心(ECMWF)近海面10 m风场资料,采用增长型分层自组织映射(GHSOM)神经网络方法,对南海海表面风场(SSW)的季节变化和年际异常变化进行了分析,结果表明:(1)GHSOM网络训练原始风场数据第一层结果揭示了4个特征模态,高度概括了南海近海面风场的季节变化特征;第二层结果提取了风场的月变化特征.(2)GHSOM网络训练异常风场数据第一层结果揭示了4类异常风场特征模态:反气旋式异常、气旋式异常、西南风异常和东北风异常模态.其中反气旋式异常和气旋式异常模态呈现出不对称现象,即反气旋式异常风场的振幅大于气旋式异常风场;且这两个模态与ENSO事件密切相关,它们的时间序列与Ni?o 3.4指数序列存在显著的延迟相关.同时,东北风异常风场模态的发生频率大于西南风异常模态.向下扩展的第二层结果揭露了异常风场模态更多的细节特征.
文献关键词：
海面风;增长型分层自组织映射;季节变化;年际异常变化;南海
中图分类号：
作者姓名：
周益飞;廖光洪
作者机构：
河海大学海洋学院,江苏 南京210013
文献出处：
引用格式：
[1]周益飞;廖光洪-.基于GHSOM网络的南海风场时空变化特征分析)[J].海洋学研究,2022(02):19-31
A类：
GHSOM,增长型分层自组织映射,年际异常变化
B类：
海风场,时空变化特征,天气预报,ECMWF,神经网络方法,海海,SSW,季节变化,网络训练,第一层,特征模态,南海近海,海面风场,第二层,月变化,风场特征,反气旋,西南风,东北风,常模,ENSO,发生频率,揭露,细节特征
AB值：
0.214451
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。
