本文主要研究内容
作者何丹丹,姜金荣,郝卉群,林鹏飞（2019）在《基于深度学习的ENSO预报方法研究》一文中研究指出：El Ni?o-Southern Oscillation(ENSO)作为全球年际尺度气候中最强的现象,对人们的生产生活造成了重大的影响,每年相关领域的研究人员都会对来年的ENSO作出预报。本文提出基于深度学习的ENSO预报方法,通过预测区域海平面温度(SST)来反映ENSO现象。本文分别对特征工程与模型设计两个方面进行了研究,最终确定了基于相关性的特征选择方法、利用Prophet构建特征以及基于Attention机制的Sequence to Sequence预报模型。最后,本文以NCEP数据集的Ni?o3.4区域数据为例,分别使用本文提出的模型与集合预报、数值预报的中间耦合模型(ICM)、Sequence to Sequence模型和长短时记忆(LSTM)网络进行对比,结果表明,本文提出的基于Attention机制的Sequenceto Sequence预报模型在长期预测中的均方根误差(RMSE)比其他方法下降了0.3到0.4,短期预测与其他方法相当,并且区域的RMSE分布稳定。
Abstract
El Ni?o-Southern Oscillation(ENSO)zuo wei quan qiu nian ji che du qi hou zhong zui jiang de xian xiang ,dui ren men de sheng chan sheng huo zao cheng le chong da de ying xiang ,mei nian xiang guan ling yu de yan jiu ren yuan dou hui dui lai nian de ENSOzuo chu yu bao 。ben wen di chu ji yu shen du xue xi de ENSOyu bao fang fa ,tong guo yu ce ou yu hai ping mian wen du (SST)lai fan ying ENSOxian xiang 。ben wen fen bie dui te zheng gong cheng yu mo xing she ji liang ge fang mian jin hang le yan jiu ,zui zhong que ding le ji yu xiang guan xing de te zheng shua ze fang fa 、li yong Prophetgou jian te zheng yi ji ji yu Attentionji zhi de Sequence to Sequenceyu bao mo xing 。zui hou ,ben wen yi NCEPshu ju ji de Ni?o3.4ou yu shu ju wei li ,fen bie shi yong ben wen di chu de mo xing yu ji ge yu bao 、shu zhi yu bao de zhong jian ou ge mo xing (ICM)、Sequence to Sequencemo xing he chang duan shi ji yi (LSTM)wang lao jin hang dui bi ,jie guo biao ming ,ben wen di chu de ji yu Attentionji zhi de Sequenceto Sequenceyu bao mo xing zai chang ji yu ce zhong de jun fang gen wu cha (RMSE)bi ji ta fang fa xia jiang le 0.3dao 0.4,duan ji yu ce yu ji ta fang fa xiang dang ,bing ju ou yu de RMSEfen bu wen ding 。
论文参考文献
论文详细介绍
论文作者分别是来自科研信息化技术与应用的何丹丹,姜金荣,郝卉群,林鹏飞，发表于刊物科研信息化技术与应用2019年01期论文，是一篇关于特征工程论文,机制论文,科研信息化技术与应用2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自科研信息化技术与应用2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：特征工程论文; 机制论文; 科研信息化技术与应用2019年01期论文;