共查询到20条相似文献，搜索用时 437 毫秒
1.
利用1921–2020年的海平面气压、海平面高度、热含量数据以及海冰密集度作为太平洋年代际振荡（Pacific Decadal Oscillation, PDO）指数的预报要素,建立了关于PDO指数时间序列预测的多变量长短期记忆（Long Short Term Memory, LSTM）神经网络模型,对比分析了2011–2020年不同时间序列预测模型的PDO指数预测结果,最后利用多变量LSTM神经网络模型实现了2021–2030年的PDO指数预测。结果显示,多变量LSTM神经网络模型的预测值与观测值经过交叉验证后的平均相关系数和均方根误差分别为0.70和0.62;PDO未来10年将一直处于冷位相,PDO神经网络指数出现两次波动,于2025年出现最小值。相比于其他时间序列预测模型,本文采用的多变量LSTM神经网络模型预测结果误差小、拟合效果好,可以作为一种新型的预测PDO指数的手段。 相似文献
2.
海浪直接影响海上活动和航行安全,同时也蕴藏着巨大的可再生能源,对海浪核心参数之一波高预测至关重要。基于2015年7月～2022年6月山东小麦岛(36°N,120.6°E)站点实测的波高数据,利用反向传播神经网络(back-propagation neural network,BPNN)、长短记忆网络(long short-term memory, LSTM)和支持向量机回归(support vector regression, SVR)三种机器学习模型对波高进行预测,并分析了瑞利参数的引入对预测结果的影响。结果显示,模型输入项引入瑞利参数后,对1 h和6 h波高预测提升效果有限,预测值与测试集的相关性提升不超过0.02,均方根误差的降低不超过0.01 m;在12h和24h的预测中,BPNN和LSTM模型预测结果相关性提升0.03～0.07,均方根误差降低0.02～0.03m,而SVR模型预测结果变化不显著。说明瑞利参数有助改善BPNN和LSTM模型中长期海浪预报。此外,特征扰动方法(机器学习中特征重要性的计算方法之一)验证了瑞利参数在波高预测中的重要性,瑞利参数的引入为波高的机器学习预... 相似文献
3.
河口潮汐过程受上游径流、外海潮波等综合因素影响,动力机制复杂,潮位预报难度大。本文提出了一种基于非稳态调和分析（NS_TIDE）和长短时记忆（LSTM）神经网络的混合模型,对河口潮位进行12~48 h短期预报。该模型首先对河口实测潮汐数据进行非稳态调和分析,通过与实测资料对比得到分析误差的时序序列;以此作为LSTM神经网络的输入数据,通过网络学习并预测未来12~48 h潮位预报误差,据此对NS_TIDE的预测结果进行实时校正。利用该模型对2020年长江口潮位过程进行了预报检验,结果表明混合模型12 h、24 h、36 h和48 h短期水位预报的均方根误差（RMSE）相比NS_TIDE模型至多分别降低了0.16 m、0.15 m、0.14 m和0.12 m;针对2020年南京站最高水位预测,NS_TIDE模型预报误差为0.64 m,而混合模型预报误差仅为0.10 m。 相似文献
4.
数字高程模型是研究水下岸坡冲淤变化的一种重要手段。不同的插值方法和像元大小都会对数字高程模型的精度产生影响,从而导致冲淤分析结果的变化。本研究使用了六种常用的插值方法 (ANUDEM、反距离函数法、克里金法、自然邻域法、样条函数法、不规则三角网转栅格法)对莱州湾和烟台港不同年份和尺度的水深数据进行了插值,计算了均方根预测误差、源数据残差均方根误差、残差均值、残差最大值和残差最小值等精度计算指标。结果表明ANUDEM和自然邻域法的均方根预测误差和源数据残差均方根误差均小于1 m。ANUDEM和自然邻域法对不同尺度的水下岸坡数据插值有着较好的适用性。 相似文献
5.
台风的风暴潮是台风引发的一种重要次生灾害，对沿海城市带来的威胁是多方面的。及时准确地预报风暴潮，对沿海地区采取合理措施减少人员伤亡和经济损失具有重要意义。本文利用长短期记忆神经网络 （LSTM） 模型，综合考虑风速、
风向、气压等气象因素和前时序的潮位数据，建立了风暴潮的临近预报模型。结果表明，基于 LSTM 的临近预报模型具有相当的预报技巧，利用前时序的风速和风向数据以及潮位数据建立的模型可对风暴潮潮位进行准确地预测。研究还表明，仅考虑前时序潮位的预测模型误差最大，考虑气压后的模型预测能力有一定进步，而考虑风的要素以后，预测的效果提升更为明显。 相似文献
6.
海平面变化包含多种不同时间尺度信息，传统的预测方法仅对海平面变化趋势项、周期项进行拟合，难以利用海平面变化的不同时间尺度信号，使得预测精度不高。本文基于深度学习的预测模型，提出一种融合小波变换（wavelet transform，WT）与LSTM （long short-term memory，LSTM）神经网络的海平面异常组合预测模型。首先利用小波分解得到反映海平面变化总体趋势的低频分量和刻画主要细节信息的高频分量；然后通过LSTM神经网络对代表不同时间尺度的各个分量预测和重构，实现海平面变化的非线性预测。基于该模型的海平面变化预测的均方根误差、平均绝对误差和相关系数分别为12.76 mm、9.94 mm和0.937，预测精度均优于LSTM和EEMD-LSTM预测模型，WT-LSTM组合模型对区域海平面变化预测具有较好的应用价值。 相似文献
7.
快速的地面沉降是一种地质灾害,它关系到社会的可持续发展,甚至威胁人类的生命财产安全。InSAR技术可以获取地表长时间、大范围的形变数据,可用于分析潜在的地面沉降问题,为预防地质灾害提供了一种可靠手段。如何基于InSAR数据对地面沉降进行预测,一直是研究人员关注的重点方向和难题。为此,本文在前人对地面沉降预测研究的基础上,提出了一种将差分移动平均自回归(ARIMA)模型与深度学习中的长短期记忆单元(LSTM)模型相结合的地面沉降预测方法,即利用InSAR得到的形变量数据与ARIMA模型预测结果作差,然后利用LSTM对该差值进行训练与预测。以杭州湾2017—2019年InSAR监测数据为例验证了该方法,结果表明,与传统的单一预测算法相比,本文方法的均方根误差至少减小了2.23 mm,平均绝对误差至少减小了0.98 mm,平均预测精度至少提升了15.19%,验证结果证实了本文方法的可行性,为地面沉降预警工作提供了新的思路和方法。 相似文献
8.
初步构建了一个以浮游植物（P）、浮游动物（Z）和营养盐（N,包括无机氮和活性磷酸盐）为生态变量的NPZ简单生态模型,并通过与POM三维水动力模型的耦合,建立了三维浮游生态动力学模型,开展了厦门湾全海域三维浮游生态系统时空变化的模拟研究.结果显示,厦门海域浮游动植物有明显的季节变化,春、夏季生物量最高,秋、冬季较低,但不同的海区达到峰值的季节并不相同;活性磷酸盐含量冬季最高,春季最低,与浮游植物量值有较明显的反位相关系,表明厦门湾海域浮游植物的生长主要受活性磷酸盐含量限制.模拟结果符合历史观测特征,且模拟值与实测值量级比较吻合,因此所建立的三维浮游生态动力学模型可用于描述厦门湾海域浮游生态的时空变化特征. 相似文献
9.
ENSO(El Ni?o/Southern Oscillation)是发生在赤道东太平洋海域重要的海气耦合现象,在全球气候变化中起着重要作用。当热带太平洋东部的海表温度（Sea Surface Temperature,SST）出现连续5个月以上的异常升温/降温现象,就会产生厄尔尼诺现象/拉尼娜现象。因此,研究和预测这一区域的SST动态具有重要的科学意义。本文采用输入层附加Attention机制的长短时记忆（Long Short-Term Memory,LSTM）神经网络（Attention-LSTM）模型,对多时段、多站位的热带太平洋观测浮标站位获取的厄尔尼诺年和拉尼娜年的SST数据进行一年的预测。研究发现：实验站位SST预测中,LSTM算法的均方误差在0.5℃左右,而Attention-LSTM算法的均方误差均不超过0.31℃,证明了Attention-LSTM算法的预测精度高于传统的LSTM模型;在发生ENSO现象年份的东太平洋海域不同站,Attention-LSTM算法对SST的春季预报障碍（Spring Predictability Barrier,SPB）现象也有一定的精度改... 相似文献
10.
通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1～15 d预报的平均绝对误差为4.1～5.7 n mile~①,均方根误差为5.4～7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5～7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。 相似文献
11.
港湾三维水动力和污染物扩散数值模型 总被引：7，自引：0，他引：7
本文提出一种浅海三维污染物扩散数值模拟的方法。首先建立σ坐标系下的Navier-Stoker方程及物质扩散方程。基于过程分裂法将前者分解为外模式（二维方程组）及内模式（三维方程组）；并且引入窄缝法对变边界进行模拟，由此建立三维σ坐标潮流模型；并找到σ坐标系下三维污染物扩散方程的差分方法，最后建立三维σ坐标污染物扩散模型。本模型已被应用于厦门海域，并对其2002年海水水质（CODCr值增量)进行了预测。应用结果表明，这种三维可变边界污染物扩散数值模型能够较好地对具有较大面积浅海滩涂的海区进行水质模拟和预测。 相似文献
12.
南海上层海洋温度垂向结构对海洋气候研究及海洋防灾减灾具有重要意义,然而由于现场观测数据有限,很难获取高时空分辨率的网格化数据。基于 2007–2021 年的 Argo 剖面数据、海面高度异常数据和月平均气候态数据,评估了两层动力模型和多层回归模型在南海海区反演海洋温度结构的性能。两层动力模型反演得到的 26 ℃(D26)与 20 ℃(D20)等温线深度的均方根误差分别 13.25 m 和 21.12 m,多层回归模型的 D26、D20 均方根误差分别 11.55 m 和 14.32 m。通过对比 2 种模型的结果：多层回归模型在时间与空间上反演结果性能更佳。2 种模型反演的南海上层海洋热含量空间分布较为一致,均能应用于台风“威马逊”的强度评估;然而,在南海特殊的强内潮的背景下,2 种模型得到的 D20 性能都有所降低。 相似文献
13.
夏冬季三沙湾海水营养盐含量的时空变化特征及与环境因子的相关性 总被引：1，自引：0，他引：1
根据2012年8月和2013年1月对三沙湾海域开展的海域水质现场连续调查数据,阐述了无机氮和活性磷酸盐含量时空变化特征及其与环境因子的相关性.结果表明,三沙湾海域夏冬季无机氮含量范围分别为0.059～1.669、0.569～0.940 mg/dm^3,均值为0.582、0.676 mg/dm^3,活性磷酸盐含量范围分别为0.036～0.071、0.050～0.070 mg/dm^3,均值为0.056、0.060 mg/dm^3.无机氮和活性磷酸盐含量的高值区出现在陆源径流入海区及大量网箱养殖区,总体呈湾顶向湾口递减趋势,氮磷含量表层高于底层,冬季高于夏季,大部分海域都超过第四类海水水质标准.根据CN/CP比值评价结果显示,三沙湾大部分海域浮游植物的生长为氮限制.相关性分析表明,三沙湾海域无机氮与硝酸盐含量相关性极显著（r=0.989）,表明硝酸盐是无机氮的主要存在形态;无机氮还与盐度（r=-0.923）和温度（r=0.939）有极显著的相关性,论证了沿岸径流对三沙湾营养盐的输入有重要影响.活性磷酸盐与铵盐、亚硝酸盐含量存在显著的正相关.本次调研结果为三沙湾海域富营养化研究提供基础数据. 相似文献
14.
海洋一号C卫星（HY-1C）是服务于海洋水色水温、海岸带和海洋灾害与环境监测的业务化应用卫星,是海洋遥感数据的重要来源,对中国HY-1C卫星红外辐射计在东南亚海域的SST观测数据开展评估与校正工作具有重要意义。本研究基于多源卫星SST数据和ARGO浮标测量温度数据,对中国HY-1C卫星在东南亚海域的SST数据进行了质量评估和改进工作。HY-1C SST数据的质量评估结果表明：HY-1C白天的平均偏差、标准差和均方根误差分别为–0.73℃、1.38℃和1.56℃,夜晚数据偏差分别为–0.95℃、1.57℃和1.83℃。与其他同类红外辐射计的数据质量对比发现HY-1CSST数据精度低于其他红外辐射计。采用月平均差值校正、SST分区域差值校正、SST分段校正3种校正方法对HY-1C SST数据质量进行改进,其中HY-1C SST分区域校正的质量提升最明显,标准差、均方根误差接近1℃,夜晚均方根误差比校正前降低了约0.8℃,白天和晚上均方根误差分别降低了32.52%和42.04%。 相似文献
15.
本文基于中国首套长时间序列、高精度、高时空一致性的全球海洋气候数据集产品, 利用1993年1月至2015年12月的山东半岛近海海平面异常数据, 构建了基于集合经验模式分解(EEMD)和长短期记忆神经网络(LSTM)的海平面非线性变化组合预测模型。EEMD可以得到海平面异常的各周期项、线性趋势及残差部分, LSTM模型可对其进行逐个预测并重构得到最终的海平面异常预测结果。EEMD-LSTM组合模型海平面异常预测的均方根误差仅为25.87 mm, 取得了令人满意的效果。基于该组合模型预测2016-2025年山东半岛近海海平面上升速率将达到3.54 mm·a-1。 相似文献
16.
基于人工神经网络方法,利用海面水温、海面风速以及海面气压反演南海近海面气温,采用的基础数据集是国际综合海洋-大气数据集(International Comprehensive Ocean-Atmosphere Data Set,2.4 Release,ICOADS2.4)1981—2008年的观测资料,其中1981—2000年的观测资料用来建立模型,2001—2008年的观测资料用来进行模型检验。采用的人工神经网络方法是引入动量因子并采用批处理梯度下降法的BP(Back propagation)算法。试验结果表明,基于人工神经网络建立的近海面气温反演方法明显优于多元线性回归方法,尤其是在春季和冬季,海面水温、海面风速以及海面气压与近海面气温之间存在较强的非线性关系,人工神经网络的优势更加明显。总体而言,人工神经网络在各月的反演效果较均衡,均方根误差介于1.5—1.8℃之间,平均绝对误差为1.1—1.3℃。 相似文献
17.
为实现对海面风速精确的短期预测,提出了一种基于长短期记忆(LSTM,long short-term memory)神经网络的短期风速预测模型,选取OceanSITES数据库中单个浮标站点采集的风速历史数据作为模型输入,经过训练设置最佳参数等步骤,实现了以LSTM方法,对该站点所在海区海面风速在各季节性代表月份海面风速的24h短期预测。同时通过不同预测时长的实验以及与BP(back propagation)神经网络神经网络和径向基函数神经网络(radial basis function neural network,RBF)的预测效果对比实验,证明了LSTM预测方法相比上述两种神经网络预测方法,在海表面风速预测应用中的优越性。最后通过多个海域对应的站点风速数据预测实验,证明了LSTM神经网络模型的普遍适用性,由相关系数和预测误差的分析可知该方法具备应对急剧变化数据的预测稳定性,可以作为海洋表面风速短期预测的一种可靠方法。 相似文献
18.
有色溶解有机物(Colored Dissolved Organic Matter, CDOM)是水体中重要的水质参数之一,是水色遥感的重要研究对象,如何构建适合特定区域的近海二类水体CDOM反演模型一直是国内外研究难点。本文利用2017年5月26～29日对南海西北部海域湛江湾20个站位采集的水样和测量的光谱资料,分析归一化遥感反射率与CDOM浓度a_g(400)的相关性,发现最大负相关系数出现在586nm处,选择580、585、590、595nm这四个波段处的归一化遥感反射率与a_g(400)建立了多元线性回归模型、BP(Back-Propagation)神经网络模型和RBF(Radial-Basis Function)神经网络模型,并与其他算法模型进行对比分析。结果发现, BP和RBF神经网络模型的平均相对误差和均方根误差均远小于多元线性回归模型和其他算法模型,神经网络模型的预测值与实测值拟合效果要优于多元线性回归模型。研究表明,神经网络模型更适合于湛江湾有色溶解有机物的遥感估算。 相似文献
19.
基于第三代海浪模型SWAN建立中国东海波浪数值模型,模拟1509号“灿鸿”台风,1909号“利奇马”台风和2106号“烟花”台风过境期间的波浪场,并将结果作为多层感知机,随机森林和支持向量回归预报台风浪模型的数据集,同时引入空间性特征对算法输入进行改进,并对比不同模型的训练速度。结果显示,加入空间性特征后,模型预报精度得到提升,其中多层感知机均方根误差降低40.4%,运行速度最快,随机森林均方根误差降低20.8%,运行速度最慢,支持向量回归均方根误差降低8.7%,运行速度介于前两者之间。表明改进后的模型有效提高了预报精度,可以用于针对台风浪的短期预报。 相似文献
20.
福建三沙湾浮性鱼卵和仔、稚鱼的分布 总被引：6，自引：1，他引：6
本文根据1990年2～11月在三沙湾海域分别进行4个季节调查的资料,对三沙湾鱼卵和仔、稚鱼的种类组成、丰度和主要种类的分布进行研究和探讨.结果表明,本海区共出现鱼卵和仔、稚鱼26种,分别隶属于17科22属.在数量上,鱼卵最高值出现在春季（5月）,其中鱼卵丰度较高的种类是真鲷、带鱼、鲾和康氏小公鱼等种类.仔稚鱼以夏季丰度最高,并以鰕虎鱼丰度（71.8%）最高.在分布上,鱼卵的丰度以三都岛东北部和东吾洋海域最高,仔稚鱼以三都岛东部最为密集.这表明本海区的鱼类的主要产卵季节是春季和夏季.其数量、分布与水温及桡足类的分布关系密切. 相似文献