典型文献
基于注意力机制的HDC-BiGRU海表温度预测模型
文献摘要：
海表温度(sea surface temperature,SST)是研究全球气候变化的重要地球物理参数,SST的精确预测对全球气候变化、海洋环境和渔业发展具有重要意义.为了提高SST的预测精度,基于时空特征的提取方法,本文提出具有注意力机制的HDC-BiGRU混合模型(HDC-BiGRU-AT,由编码器和解码器构成),可以预测7天的SST.在模型编码阶段,混合空洞卷积(hybrid dilated convolution,HDC)能够提取SST的空间特征,双向门控循环神经网络(bidirectional gated recurrentunit,BiGRU)能够捕获SST的时序特征.通过加入注意力机制,对输出信息分配不同的权重(重要信息分配更高的权重系数),进而实现信息编码,在解码阶段可以提高模型的预测精度.选取我国东海和南海海域的二维SST数据进行建模,实验结果表明,HDC-BiGRU-AT模型的误差指标值均低于已有的方法,充分验证了所提方法的可行性、有效性.
文献关键词：
海表温度;注意力机制;混合空洞卷积;双向门控循环神经网络;编码器-解码器
中图分类号：
作者姓名：
王丽娜;葛鹏;刘会滔;宋悦;董昌明
作者机构：
南京信息工程大学人工智能学院/未来技术学院,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519080;南京信息工程大学海洋科学学院,江苏南京210044
文献出处：
引用格式：
[1]王丽娜;葛鹏;刘会滔;宋悦;董昌明-.基于注意力机制的HDC-BiGRU海表温度预测模型)[J].海洋环境科学,2022(06):947-956
A类：
recurrentunit
B类：
注意力机制,HDC,BiGRU,海表温度,温度预测模型,sea,surface,temperature,SST,全球气候变化,地球物理参数,精确预测,海洋环境,渔业发展,时空特征,特征的提取,混合模型,AT,编码器,解码器,模型编码,混合空洞卷积,hybrid,dilated,convolution,空间特征,双向门控循环神经网络,bidirectional,gated,时序特征,重要信息,权重系数,信息编码,东海,南海海域,误差指标,指标值
AB值：
0.353948
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。
