共查询到19条相似文献，搜索用时 707 毫秒
1.
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
2.
3.
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
4.
卫星重力估计陆地水和冰川对全球海平面变化的贡献 总被引：2，自引：0，他引：2
重力场恢复与气候试验（GRACE）卫星为高分辨率地监测全球海洋质量变化提供了一种新的手段。利用2003年1月至2014年12月Level-2 RL05的GRACE产品，进行去相关误差滤波、高斯滤波和海洋-陆地信号泄漏改正后，得到了全球陆地和海水质量变化，并分析了陆地水和冰川的质量变化对海平面长期变化的贡献。研究表明，全球陆地水和冰川的质量变化对海平面的贡献约为（2.09±0.54）mm/a，与卫星测高扣除海洋温盐数据比热容变化得到的海水质量长期变化（2.07±0.62）mm/a有着很好的一致性，其中全球陆地水储量对全球质量项海平面变化的贡献为（0.15±0.25）mm/a，南极冰盖对全球质量项海平面变化的贡献为（0.59±0.10）mm/a，格陵兰岛冰盖对全球质量项海平面变化的贡献为（0.72±0.12）mm/a，山地冰川对全球质量项海平面变化的贡献为（0.63±0.09）mm/a。并进一步讨论了不同分析中心GRACE重力场系数，一阶项系数和二阶项对质量项海平面变化的影响。结果表明，一阶项对质量项海平面的影响为（0.10±0.08）mm/a，二阶项对质量项海平面的影响为（0.16±0.04）mm/a，美国德克萨斯大学空间研究中心和德国地学研究中心分析结果较为一致，而美国国家航空航天局喷气推进实验室的结果则稍稍偏小。 相似文献
5.
6.
采用多种方法和3种模型分析了东方、海口、北海、闸坡、香港、汕尾、厦门、坎门、吕四、那霸、名濑、连云港、石臼所、大连共14个验潮站22年逐时海平面序列的相对海平面变化,主要包括趋势与周期项提取和未来月均海平面预测两大方面,比较了各种方法分析所得结果的相似性与差异性。结果表明:各验潮站的海平面均在逐渐上升,上升速率在1~3 mm/a之间,平均值为2.3 mm/a;各站的周期项也不一样,但基本都包含周年和半年项。发现一些方法组合时可能会出现异常情况,例如模型趋势项选择不同的形式,可能会导致所求速率出现正负截然相反的情形,不同的周期寻找方法所确定的周期也存在一定差异。各种方法的预测效果相差不大,预测残差基本都在±2 dm以内,基于奇异谱分析的均生函数的长期预测效果要明显优于带周期项的灰色模型和传统模型,但短期预测效果相差不大。 相似文献
7.
《海洋技术学报》2023,(2)
为研究全球平均海平面与ENSO（El Niño-Southern Oscillation） 的相关性问题, 本文提出了一种结合局部均值分解和交叉小波原理的分析方法, 揭示全球平均海平面和ENSO 的影响机理和因果关联。利用全球平均海平面的时间序列进行局部均值分解得到PF 分量和余量, 表示海平面变化的高频分量、低频分量和趋势分量。剔除高频分量的影响, 利用最小二乘线性拟合趋势分量, 得到1991—2000 年的全球平均海平面上升速率为3.6 mm/a。接着对PF 的低频分量进行距平变换再与ONI 指数（Oceanic Niño Index, ONI） 分别进行Morlet 连续小波变换得到小波功率谱, 再将变换的连续小波分别进行交叉小波变换得到交叉小波功率谱和凝聚谱, 通过交
叉小波功率谱和交叉小波凝聚谱揭示信号在时频空间的能量共振和协方差分布规律, 其中交叉小波功率谱体现了共同的高能量区的相关性, 交叉小波凝聚谱体现了共同的低能量区的相关性。结果表明, 该方法能在多尺度上分析海平面的变化, 并能分析ONI 指数与全球平均海平面的关系, 可为全球平均海平面演变规律分析和预测等方面提供有力工具。 相似文献
8.
潮位预测严重影响沿海区域，尤其是近海浅水沿岸地区居民的生产生活和涉海活动。谐波分析是长周期潮位预测的传统方法，但无法预测非周期性气象过程发生时的水位变化。与数据处理方法相结合，人工智能的方法通过拟合输入与输出数据的历史数值关系，能够有效预测高度非线性和非平稳的流模式，因而在时间序列数据预测领域得到了广泛的应用。本文结合自适应模糊推理系统（Adaptive Neuro-Fuzzy Inference System, ANFIS）和小波分解方法，利用水位异常和风切变分量作为输入数据，实现了一种综合的多时效潮位预测方法。文中测试了多种输入变量组合和小波-ANFIS（WANFIS）模型，并与人工神经网络（Artificial Neural Network, ANN）、小波-ANN（WANN）和ANFIS模型进行了预测结果对比。通过不同指数的误差分析来看，相比ANN模型，ANFIS模型能够更准确的预测潮位变化，小波分解对ANFIS预测精度有一定的提高，且模型中水位异常和风切变分量数据的加入比单一的潮位数据输入能取得更好的预测结果。 相似文献
9.
针对传统人工神经网络对叶绿素a浓度预测存在训练速度慢、收敛精度低、易陷入局部最优，尤其是无法灵活的利用任意长度的历史信息对叶绿素a浓度进行预测等问题，本文根据海洋各要素与叶绿素a浓度之间的长短期依赖程度，对叶绿素a浓度与各要素间的关系进行界定，分别将各要素与叶绿素a浓度之间的长期依赖关系与短期依赖关系分割开来，并且在长短期记忆(Long Short-Term Memory, LSTM)神经网络模型的基础上构建融合的LSTM预测模型，模型中的长期依赖关系与短期依赖关系分别使用不同的神经元，最终在模型的最上层进行长短期融合。本文选取三都澳站位的连续监测资料作为实验数据，实验结果表明本文构建的模型不仅具有训练误差下降快的优点，与其他3种经典的神经网络模型相比，预测精度也有显著提高。 相似文献
10.
基于遗传算法和BP神经网络的海洋工程材料腐蚀预测研究 总被引：2，自引：1，他引：1
为提高海洋工程材料腐蚀速率预测的精度，提出了一种基于遗传算法（GA）优化反向传播（Back Propagation，BP）神经网络的海洋工程材料海洋环境腐蚀速率预测模型。通过遗传算法对BP神经网络的权值和阈值进行优化，利用优化后的BP神经网络对试验数据进行预测。GA-BP模型选取具有代表性的2Cr1312不锈钢、Q235B碳钢和6082铝合金三种基本海洋工程材料数据进行试验，预测结果误差小于传统BP神经网络，并且在网络训练时间上有所缩短，预测精度上有所提高。本模型在海洋工程材料于海洋环境中腐蚀速率的实际预测中具有良好的推广价值。 相似文献
11.
A~as~Sof~~LIngeneral,sealevelisresolvedintOatrendtermplusaPeriedictermintheanalysisofsealevelvdriations(haetal.1996;ZuoandChen,1996;QinandLi,1997;Zhengetal.,1993;RenandZhang,1993),namely,thetimeequencesofmonthlyorannualmeansealevely(o)(t)canbeexpr~asy(o)(t)=T(o)(t) p(o)(t) X(o)(t) .(o)(t),(l)whereT(o)(t)isadefinitetrendterm;p(o)(t)isadefiniteperiedicterm;X(o)(t)isatimeseriesofrandomterm;a(o)(t)iswhitenoise.Thefunctionstructuresofthetrendtermaregenerallyunknown,whiledeterminingthetrendter… 相似文献
12.
带周期项的海平面变化灰色分析模型及广西海平面变化分析 总被引：7，自引：0，他引：7
提出了一种带周期项的海平面变化灰色分析模型.该模型保持了GM(1,1)模型能较好反应海平面变化趋势的优点,不仅能求出海平面变化速率,还能方便求出海平面变化的加速度,同时,该模型能较好的模拟海平面变化中的周期现象,从而克服了GM(1,1)不能预报周期性显著的月平均海面的缺点,并提高了预报精度.模型用于广西沿岸海平面变化分析,结果表明北海、涸洲、白龙尾3站的相对海平面上升速率分别为1.67、2.51、0.89mm/a;石头埠相对海平面呈下降趋势,下降速率为0.5～1.0mm/a;广西沿岸绝对海平面上升速率为2.0mm/a.和线性趋势项与周期项叠加的海平面分析模型相比,两者模拟精度相当. 相似文献
13.
Accessible high-quality observation datasets and proper modeling process are critically required to accurately predict sea level rise in coastal areas. This study focuses on developing and validating a combined least squares-neural network approach applicable to the short-term prediction of sea level variations in the Yellow Sea, where the periodic terms and linear trend of sea level change are fitted and extrapolated using the least squares model, while the prediction of the residual terms is performed by several different types of artificial neural networks. The input and output data used are the sea level anomalies (SLA) time series in the Yellow Sea from 1993 to 2016 derived from ERS-1/2, Topex/Poseidon, Jason-1/2, and Envisat satellite altimetry missions. Tests of different neural network architectures and learning algorithms are performed to assess their applicability for predicting the residuals of SLA time series. Different neural networks satisfactorily provide reliable results and the root mean square errors of the predictions from the proposed combined approach are less than 2?cm and correlation coefficients between the observed and predicted SLA are up to 0.87. Results prove the reliability of the combined least squares-neural network approach on the short-term prediction of sea level variability close to the coast. 相似文献
14.
15.
海面高度异常是反映海洋环境状况的主要变量之一。本文使用1993—2019年的融合月均海面高度异常数据,建立了基于深度学习的海面高度异常预测神经网络模型,提出了基于融合U型网络(U-Net)和卷积长短记忆网络(ConvLSTM)的中长期海面高度异常预报模型。在研究海域0.25°×0.25°的空间分辨率下,模型测试集预报结果的均方根误差和平均绝对误差分别为0.039 m和0.027 m,均优于全连接LSTM预报模型和ConvLSTM+CNN预报模型,为大中尺度的海面高度异常预报提供了新的方法。 相似文献
16.
东海海平面变化的综合分析 总被引：3，自引：2，他引：1
利用1993年1月至2011年12月的卫星高度计数据,研究了东海海平面变化的季节信号、线性趋势和低频信号,并结合风应力资料、Ishii温盐数据和海表面温度数据分析了季节信号和低频信号的驱动机制。东海季节性海平面变化主要由年信号组成,其占海平面变化的大部分;年信号振幅和相位的分布具有明显的区域差异;东海季节性海平面变化主要受海面风和海水热膨胀驱动,而且在不同季节、不同区域,两种驱动机制的作用存在明显差异,主导地位也不断变化;季节信号还受到黑潮的一定影响。1993-2011年间东海海平面线性上升速率为3.28mm/a,各海域海平面上升速率不同。东海海平面变化低频信号与比容海平面变化低频信号具有显著相关性,最大相关系数为0.55;东海比容海平面变化低频信号与SOI低频信号同样具有一定的相关性,最大相关系数为0.3。ENSO通过大气环流和黑潮洋流等对东海海域的比容海平面变化产生影响,比容海平面变化进而对东海年际间海平面变化产生调制作用,因此ENSO可以通过东海年际间比容海平面变化对东海年际间海平面变化产生影响。 相似文献
17.
18.
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
19.
To explore new operational forecasting methods of waves, a forecasting model for wave heights at three stations in the Bohai Sea has been developed. This model is based on long short-term memory(LSTM) neural network with sea surface wind and wave heights as training samples. The prediction performance of the model is evaluated,and the error analysis shows that when using the same set of numerically predicted sea surface wind as input, the prediction error produced by the proposed LSTM model at Sta. N01 is 20%, 18% and 23% lower than the conventional numerical wave models in terms of the total root mean square error(RMSE), scatter index(SI) and mean absolute error(MAE), respectively. Particularly, for significant wave height in the range of 3–5 m, the prediction accuracy of the LSTM model is improved the most remarkably, with RMSE, SI and MAE all decreasing by 24%. It is also evident that the numbers of hidden neurons, the numbers of buoys used and the time length of training samples all have impact on the prediction accuracy. However, the prediction does not necessary improve with the increase of number of hidden neurons or number of buoys used. The experiment trained by data with the longest time length is found to perform the best overall compared to other experiments with a shorter time length for training. Overall, long short-term memory neural network was proved to be a very promising method for future development and applications in wave forecasting. 相似文献