首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 125 毫秒
1.
面对海量的海表面温度数据,如何使用大数据处理平台和新的处理技术来实时处理、分析并预测海表面温度数据,是一个亟待解决的问题。本文基于现阶段的时间序列方法和专家意见,首先,将类比合成方法引入到海表面温度预测应用中;其次,基于Spark平台提出了一种改进的快速DTW算法SparkDTW;最后,为了充分利用通过时间序列挖掘得到的信息,将SparkDTW与SVM相结合,提出了SparkDTW+SVM混合模型,为海表面温度预测的应用研究提供了较好的理论基础和技术支持。实验结果表明,SparkDTW算法预测精度优于SVM,提高了海表面温度预测效率,验证了将类比合成方法应用在海表面温度预测的可行性;SparkDTW+SVM在精度方面要优于SparkDTW和SVM,表明SVM模型能充分利用时间序列挖掘的信息,验证了SparkDTW+SVM在海表面温度预测的有效性。  相似文献   

2.
利用变分同化技术,将船舶报资料与海表面温度短期数值预报模式有机结合,实现了渤、黄、东海的海表面温度短期数值预报。本预报模式利用伴随方法实现了预报模式的全局优化,不但最大限度地利用了船舶报资料,而且初始温度场的调整由自动的数值迭代过程来实现。在渤、黄、东海海域,4个季节的典型月份的SST连续1个月的24h后报结果与船舶报资料均方差均降至0.8℃以下。同化后海表面温度初始场的绝均差较同化前有显著下降。与以前所用的客观分析方法比较的结果表明,伴随同化的预报精度明显高于客观分析方法。  相似文献   

3.
本文将AMSR-E卫星微波遥感海表温资料运用到渤黄东海海表面温度短期数值预报模式当中.数值预报模式利用伴随方法实现了预报模式的初值场优化.微波遥感海表温资料与海表面温度短期数值预报模式有机结合后的试验结果表明:将预报结果和船舶报资料进行比对时,将遥感资料引入到数据同化的结果要明显优于仅同化船舶报资料的结果,且均方差大部...  相似文献   

4.
结合中尺度数值模式 WRF 预报数据和 ERA5 再分析资料,利用机器学习方法对 WRF 预报场的风场、温度、气压进行预报订正。采用 ERA5 作为真值,与原始 WRF 预报相比,利用随机森林模型可以将预报结果整体均方根误差降低 44%以 上,利用深度神经网络模型可以将预报结果整体均方根误差降低 34%以上。通过随机森林模型实验得到不同输入特征对预报要素的影响程度,分析了关键的预报订正因子。  相似文献   

5.
Kalman滤波技术在海表温度预测中的应用   总被引:1,自引:0,他引:1  
以EOF分解方法为基础,把AR模型和Kalman滤波方法相结合,建立了海表温度的预报模型。首先对历史时间序列资料进行EOF分解,在此基础上,利用时间权重系数建立AR(2)模型,并对此模型参数进行了改进,作为Kalman滤波的状态方程。然后用Kalman滤波方法对时间权重系数进行了滤波预测,并引入集合预报的思想对SST预测结果进行了重构,并与实况资料进行了相关性分析。以太平洋、印度洋、大西洋三大洋的热带海域为个例进行了预测试验。试验结果表明,预测效果较好,相关系数平均达到了98%以上,而残差方差在0.5以内。  相似文献   

6.
变分伴随数据同化在海表面温度预报中的应用研究   总被引:9,自引:1,他引:8  
将变分伴随数据同化技术应用于海表面温度(SST)数值预报.采用中国近海海表面温度短期数值预报模式,将船舶测报海表面温度同化到该模型中,对SST初始场进行优化.文中给出了中国近海SST数值预报同化模型5d试报结果与观测值的比较,整个区域的均绝差由同化前的2.71℃降至0.87℃,即变分伴随数据同化对改进SST数值预报的效果是比较明显的,表明它可成为SST数值预报初始化的新方法.  相似文献   

7.
基于HadISST、ERSST和OISST 3种再分析海表面温度数据集,对CESM1全球气候预测系统模拟的重点海域海温的主要模态进行了评估。结果表明,模式能够基本再现再分析资料表征的海表面温度异常时空特征,5个关键海区海表面温度异常EOF分析前两个模态,超前1个月的后报结果均有较高的可预报性。特别是热带太平洋第一模态(ENSO模态),超前3个月的后报与再分析相关系数能够达到0.79,能够为ENSO的预报提供宝贵参考。模式不可避免的存在较多误差,空间上表现为海表面温度异常(SSTA)显著区域的范围以及位置的差异,特别值得注意的是热带印度洋SSTA第一模态存在一个伪印度洋偶极子模态,同时此海区也是3种再分析资料SSTA第一模态空间差异最大的区域;时间序列上均表现出异常高频信号和异常波动情况,误差的大小通常是由同化、超前1月后报、超前3月后报逐渐增大,体现出初始误差随着积分逐渐积累的特征。热带大西洋SSTA第一模态时间序列前5年的位相存在明显偏差,将其剔除后,其时间序列与再分析资料的相关性有实质性改善。  相似文献   

8.
基于气候模式CESM,利用牛顿松弛逼近(nudging)方法将次表层海温同化到海洋模式中,通过多种评估方法对1982—2011年同化和后报结果的南海海区进行分析。CESM同化和后报结果能够刻画出南海海表面温度、海表面流场、降水和850 hPa风场的空间基本特征,并且能比较好的再现海表面温度和降水随时间变化规律,nudging同化结果要优于超前1个月、3个月预报。但对南海大部分海区还存在0.5℃以内的冷偏差,流场强度模拟偏弱,850 hPa风场模拟偏强的误差。同化和后报结果表明模式对夏季和秋季海表面温度模拟效果较好,海表面温度与东亚夏季风相关性在空间分布形态及量值方面模拟较为一致,而降水与东亚夏季风相关性模拟在空间分布形态及量值方面都有一定误差。南海气候模拟难点在于其夏季海气相互作用,nudging同化结果能较好的模拟出南海北部夏季海表面温度变化对大气变化的响应,同大气模式相比考虑了南海海区的海气相互作用这一特殊性。  相似文献   

9.
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   

10.
针对数值模式和统计学习方法在海表面温度(SST)建模中的不足,将长短时记忆循环神经网络(LSTM-RNN)应用于SST的建模。使用研究海区24 a月平均的SST和太阳辐射、风场、蒸发降水等物理参数,通过LSTM-RNN构建西太平洋研究海区SST时间序列变化模型,用于预报研究海区下个月SST。建立了两个模型model1和model2,model1仅使用SST数据作为model2的对照,model2使用SST和其他物理参数。结果表明:model2在验证数据中的MAE为0. 15℃,RMSE为0. 19℃,相关性系数为0. 978,和model1相比总体准确性提升31%,表明LSTM-RNN应用于SST建模是可行的; LSTM-RNN可以建立其他物理参数与SST的关系,从而显著提升海水表面温度模型的准确性。  相似文献   

11.
高宇  李爽  郝鹏  宋金宝 《海洋与湖沼》2023,54(6):1573-1585
海表面二氧化碳分压(pCO2)的未来变化趋势,对统计评估全球碳收支以及理解全球气候变化背景下的海洋酸化现象至关重要。目前传统的海面pCO2预测方法大部分基于有限的实测数据,然而实测数据存在着时间和地理方面的制约,且计算成本较高。近年来,随着时空观测数据的爆炸性增长,基于深度学习的数据驱动模型在海表面pCO2预测方面中表现出良好的潜力。然而,由于多种环境因素与海表面pCO2之间的关系错综复杂,到目前为止尚无十分简单有效的相关模型来对海表面pCO2进行预测。为应对这一挑战,利用时空卷积长短时记忆神经网络(ST-ConvLSTM)模型,通过海面温度(sea surface temperature, SST)、海面盐度(sea surface salinity, SSS)、叶绿素a浓度(chl a)和海面pCO2数据,预测南海的海面pCO2,并将2019年1~12月的数据作为测试集对模型的表现进行了验证。结果显示, ST-ConvLSTM模型...  相似文献   

12.
Katsuwonus pelamis广泛分布于各大洋热带和亚热带海域,其中以中西太平洋资源量最为丰富。综合评价环境因子对鲣鱼资源量的影响,构建科学的资源预报模型可为我国可持续合理开发该鱼种提供参考。本研究利用1998—2013年中西太平洋渔获量数据,以单位捕捞努力量渔获量(CPUE)为资源相对丰度指标,利用灰色关联方法分析鲣鱼资源相对丰度与环境因子之间的关联度,选取合适的环境因子,并基于不同环境因子构建不同的灰色预测模型对鲣鱼资源相对丰度进行预测,比较选择最优模型。结果表明, 中西太平洋鲣鱼的产量逐年递增,而CPUE在年间有着较大的波动。灰色关联分析认为,海表面温度与CPUE的平均关联度最大,其次为Nino3.4区海表温度距平值,其他的环境因子与CPUE的关联度较小。基于多环境因子的预测模型中,包含所有因子(海表面温度、海表面高度、叶绿素质量浓度a和Nino3.4区海表温度距平值)的模型M1有着最佳的拟合效果,实际值与预测值的相对误差为6.475 2,相关系数为0.687 4;而基于单一环境因子的预测模型中,去除11月SST数据的模型S2有着最佳的拟合效果,实际值与预测值的相对误差为7.419 2,相关系数为0.791 0。相比多环境因子的预测模型,单一环境因子预测模型有着较高的稳定性,实际值与预测值直接相关性也较高,可以作为中西太平洋鲣鱼资源相对丰度预报的最优模型。  相似文献   

13.
类型丰富、时空分辨率高的海洋探测数据,为信号分解和机器学习算法的应用提供了可能。本文针对如何建立有效的海温预测模型这一问题,使用高时空分辨率的海表温度(SST)融合产品,引入信号处理领域的集合经验模态分解(EEMD)和机器学习领域的自回归积分滑动平均模型(ARIMA)。首先利用最适于分解自然信号的EEMD方法,将海温数据分解成多个确定频率的序列;再利用ARIMA分别对各个频率的序列进行预测,最后将各个序列的预测结果进行组合。该方法在丰富数据的支撑下,比以往直接使用海温数据所建立的预测模型精度更高,为更好地进行海温预测提供了新方法。  相似文献   

14.
为了建立高精度的海洋表面盐度预测模型,采用BP神经网络的方法,针对SMOS卫星level 1C级亮度温度数据和辅助数据建立了一种海表面盐度预测模型,以ARGO浮标观测值作为海表盐度实测值来检验新模型预测结果的准确度,同时利用验证集对模型的精度进行验证。结果表明:通过新模型预测的海表盐度(SSS0)比SMOS卫星的3个粗糙度模型盐度产品(SSS1,SSS2,SSS3)精度高;SSS0,SSS1,SSS2,SSS3与ARGO浮标实测盐度(SSS ARGO)的均方根误差分别为0.8473,2.0417,2.0288和2.0805,平均绝对误差分别为0.7553,1.4226,1.4216和1.4566,SSS0与SSS ARGO的均方根误差和绝对平均误差值都明显小于SSS1,SSS2和SSS3与SSS ARGO的;由此可见,建立的海表盐度预测模型精度较高。新模型为海表盐度的反演算法提供了新思路。  相似文献   

15.
An empirical orthogonal function analysis has been applied to solving the forecast problem of the monthly mean sea surface temperature for the East China Sea and the adjacent waters. The data matrix of the original sea surface temperature fields can be separated into two components, /'. e. the spatial and the temporal components. According to the properties of its spatial component that almost does not change with time and through the extrapolation of its temporal component, the prediction for large area sea surface temperature will be achieved. The time coefficients for temporal component are predicted by means of traverse and vertical time series method.On the basis of forecasting for these two years, it has been proved that the method objectively reflected the internal relations and interactions of sea surface temperature among the stations of water area. The results of the suggested method are better than the predicted method for a collection of each individual stations. The mean absolute error of p  相似文献   

16.
INTRODUTION ln the ocean environrnent prediction nurnerital medels in the China seas, the TaiwanStrait was usually considered as oPen boundary either in the study of the East China Ai or thefouth China As, so it is difficult to get a satisfactory predicted result in this strait area.Recently many stud1es on the Taiwan Strait have been made, arid the predlction serviceproects of the drine prediction stage are increasing and have achieved high--favorable econodricbenefit. Nevertheless, t…  相似文献   

17.
基于栖息地指数的西北太平洋日本鲭渔情预报模型构建   总被引:2,自引:0,他引:2  
根据2014?2017年5?11月西北太平洋公海灯光围网日本鲭(Scomber japonicus)生产数据,结合同期的环境遥感数据,分别基于捕捞量和作业次数,构建日本鲭栖息地适宜性指数(Habitat Suitability Index,HSI)模型。选取海表水温、海面高度异常和叶绿素a浓度,采用一元指数回归拟合,建立各个环境变量的适应性指数模型,并利用线性规划方法确定各环境因子的权重,从而提高日本鲭HSI模型对渔场的预报精度。利用2018年5?11月的实际捕捞数据对模型进行预报准确率验证,在基于渔获量和作业次数构建的HSI模型中,HSI大于0.7的海域,渔获量平均占比分别为77.29%、76.79%,这表明基于不同权重环境因子的HSI模型能够较好地预测西北太平洋公海日本鲭中心渔场。  相似文献   

18.
台风轨迹的准确预测对于减少台风灾害及风险评估意义重大。本文提出了一种基于双注意力机制的台风轨迹预测模型(Dual-Attention-Encoder-Decoder),首先根据台风轨迹数据计算台风轨迹的变化曲率,将台风曲率序列与台风轨迹序列一同作为预测模型的特征输入,充分考虑了台风轨迹中隐藏的转向、偏折信息;然后构建双注意力机制增强的编码器-解码器网络(Encoder-Decoder)作为预测模型,利用特征注意力机制和时间注意力机制分别对模型输入和隐藏状态进行权重分配,能够学习输入特征和预测目标之间的关系,并且有效解决编码器-解码器结构对过长序列预测的性能下降问题,编码器和解码器均采用LSTM网络,能够存储长时间依赖并且收敛性好,不易发生梯度消失或爆炸;最后,本文使用1949—2017年中国气象局提供的西北太平洋台风最佳路径数据集,将DA-Encoder-Decoder模型与BP、SVR、LSTM、ELM等模型进行对比,分别对24 h、48 h、72 h台风轨迹进行预测。结果表明:DA-Encoder-Decoder模型的均方根误差和实际误差距离指标均优于其他四种预测方法,验证了本文方法的有效性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号