利用长短期记忆网络LSTM对赤道太平洋海表面温度短期预报OA北大核心CSTPCD
海表面温度作为海洋中一个最重要的变量,对全球气候、海洋生态等有很大的影响,因此十分有必要对海表面温度(SST)进行预报。深度学习具备高效的数据处理能力,但目前利用深度学习对整个赤道太平洋的SST短期预报及预报技巧的研究仍较少。本文基于最优插值海表面温度(OISST)的日平均SST数据,利用长短期记忆(LSTM)网络构建了未来10天赤道太平洋(10°S~10°N,120°E~80°W)SST的逐日预报模型。LSTM预报模型利用1982~2010年的…查看全部>>
张桃;林鹏飞;刘海龙;郑伟鹏;王鹏飞;徐天亮;李逸文;刘娟;陈铖
中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049哈尔滨工业大学电子与信息工程学院,哈尔滨150001中国科学院大气物理研究所大气科学与地球物理流体动力学数值模拟国家重点实验室,北京100029 中国科学院大学地球与行星科学学院,北京100049北京应用气象研究所,北京100029西北工业大学航海学院,西安710072
大气科学
海表面温度LSTM(longshort-termmemory)短期预报赤道太平洋
《大气科学》 2024 (2)
P.745-754,10
国家重点基础科学发展计划项目2022YFC3104802、2020YFA0608902国家自然科学基金项目41976026、41931183。
评论