典型文献
Argo温度数据的ConvGRU模型预测分析
文献摘要：
Argo(Array for Real-time Geostrophic Oceanography)是海洋环境信息的重要来源之一,可通过自动剖面浮标、卫星定位和数据同化等技术获取大范围全球海洋上层之间的海温剖面资料.本文利用ConvGRU(Convolutional Gate Recurrent Unit)作为Argo温度的预测模型,以西北太平洋部分海域为研究区域,选取2004-2018年Argo数据作为训练数据,对2019年的0m、50m、100 m、200 m和300 m不同深度位置水平剖面进行了预测分析.研究结果表明:ConvGRU模型对Argo温度数据的变化趋势具有较好的模拟能力;预测模型的训练集和验证集的RMSE(root mean squared error)均值分别为0.0462℃和 0.0463℃,MAE(mean absolute error)均值分别为 0.0442℃和 0.0450℃,其 Acc(accuracy)都在99％以上;对于预测评估,RE(relative error)的误差范围为0.0228～0.0427,预测变化的空间特性与真实值的吻合程度较高.
文献关键词：
Argo数据;ConvGRU;温度;预测模型
中图分类号：
作者姓名：
张雪薇;韩震
作者机构：
上海海洋大学海洋科学学院,上海201306;上海河口海洋测绘工程技术研究中心,上海201306
文献出处：
引用格式：
[1]张雪薇;韩震-.Argo温度数据的ConvGRU模型预测分析)[J].海洋环境科学,2022(04):628-635
A类：
Geostrophic
B类：
Argo,温度数据,ConvGRU,预测分析,Array,Real,Oceanography,海洋环境,环境信息,浮标,卫星定位,数据同化,技术获取,全球海洋,海温,Convolutional,Gate,Recurrent,Unit,西北太平洋,海域,训练数据,50m,不同深度,模拟能力,训练集,验证集,RMSE,root,mean,squared,error,MAE,absolute,Acc,accuracy,预测评估,RE,relative,误差范围,空间特性,真实值
AB值：
0.518079
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。
