论文部分内容阅读
海表面高度异常(SSHA)是海洋系统中重要的参数之一,论文首次利用深度学习中的长短期记忆神经网络(LSTM)对海表面高度异常(SSHA)进行预测。将SSHA的预测当作时间序列预测问题,采用stacked-LSTM,建立海表面高度异常预测模型。该模型能够捕捉SSHA序列变化的规律,处理序列变化长期依赖问题。通过实验探索了stacked-LSTM预测模型的最佳参数设置,并使用中国南海海域的CORA再分析海表面高度异常数据进行验证,在预测未来24h、48h、72h、96h、120h的SSHA值上准确率(平