排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
为分析并评价海冰边缘区海冰密集度数据产品,选取北冰洋区域8种公开发布的产品,基于平均偏差和标准差(Standard Deviation, SD)展开分析,结果表明:Bremen/ASI(ARCTIC Sea Ice)、Bremen/BT (Bootstrap)、NSIDC(National Snow and Ice Data Center)/BT和NSIDC/CDR(Climate Data Record)四种数据全年平均偏差整体高于平均值,在夏季偏差高于冬季; Hamburger/ASI全年平均偏差低于平均值,冬春季偏差为负,夏季梢高于均值; NSIDC/NT(NASA Team)、NOAA OI SIC(National Oceanic and Atmospheric Administration Optimum Interpolation Sea Ice Concentration)和OSISAF(The Ocean and Sea Ice Satellite Application Facility)三种数据全年平均偏差为负,夏季负向增加;夏季和秋季标准差较大区域主要分布在东北航道薄冰区,东西伯利亚、拉普捷夫海和喀拉海区域标准差变化较大,从3%增加到10%～15%。围绕航道区,以MODIS(Moderate Resolution Imaging Spectroradiometer)影像作为参考,对8种数据的对比评估结果表明:在25km空间分辨率下,Bremen发布的两种数据相关性较高,均为0.80;NOAAOISIC数据相关性最低,为0.63; Bremen/BT平均偏差较小,为7.11%;基于ASI算法的Bremen/ASI数据和Hamburger/ASI数据平均偏差较大,分别为14.38%和14.99%,且在夏季和秋季偏差波动较大,对应标准差分别为12.16%和11.01%。该项研究对于提升遥感数据产品在海冰边缘或航道区的应用及进一步的算法研发具有指导意义。 相似文献
2.
交通速度预测是智能交通系统的重要组成部分,该文从交通路网时空分布特征入手,引入天气状态、空气质量和时间属性特征变量,建立了基于多源特征融合的双向长短期记忆网络框架(MF-BiLSTM).以此模型为基础,对基于滴滴开源算法计算得到的成都市道路速度时序数据集进行建模分析,分别选取了RNN、ARIMA、CNN、多层LSTM和单层LSTM网络5个基准模型进行验证.结果 表明,MF-BiLSTM在一个标准周内的各个时间段均优于基准模型,在不同道路等级下能表现出较高的稳定性,与上述基准模型相比预测精度分别提高了2.94％、1.02％、2.45％、1.10％和1.67％.同时,在不同天气状态和空气质量等级下,MF-BiLSTM均能表现出更加准确和平稳的预测性能. 相似文献
1