典型文献
基于LSTM-BP组合模型的南太平洋海流流速预测
文献摘要：
南太平洋是全球海洋的重要组成部分,其海洋生物、温度、盐度和环流变化等一直是国内外研究的热点.海流流速是研究海洋变化的重要参数之一.本文选择了2004年1月—2015年12月12年南太平洋区域的流速数据进行研究.数据采集的是月平均值,空间分辨率为1°×1°,特征包括经度、纬度、深度和流速.将数据利用K近邻算法进行缺失值的填充后,按照10∶1∶1分为训练集、验证集和测试集,建立了BP、LSTM模型和LSTM-BP组合模型.利用2004年1月—2014年12月共11年的每个月数据预测2015年12个月流速变化.结果显示,组合模型的损失值小于单个模型损失值.通过对比每个月的预测结果,LSTM-BP模型比BP、LSTM模型均方误差分别下降了约0.7和0.5,平均绝对误差分别下降了约0.14和0.21.实验表明,LSTM-BP适用于南太平洋海流的预测,为海流的预测提供了一种新的方法.
文献关键词：
南太平洋;海流流速;K近邻;LSTM-BP神经网络
中图分类号：
作者姓名：
袁红春;管琦;张天蛟
作者机构：
上海海洋大学信息学院,上海201306
文献出处：
引用格式：
[1]袁红春;管琦;张天蛟-.基于LSTM-BP组合模型的南太平洋海流流速预测)[J].海洋湖沼通报,2022(04):10-16
A类：
B类：
组合模型,南太平洋,海流流速,全球海洋,海洋生物,盐度,环流,重要参数,太平洋区,空间分辨率,经度,纬度,数据利用,近邻算法,缺失值,训练集,验证集,测试集,数据预测,流速变化,损失值,均方误差,别下,平均绝对误差
AB值：
0.303497
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。
