海表面溫度預報在海洋相關領域具有重要的實用價值,隨著遙感信息采集技術的不斷發(fā)展和完善,區(qū)域內(nèi)海表面溫度數(shù)據(jù)采集的完整性得到了保障�，F(xiàn)今大多數(shù)方法在預報海表面溫度時,只考慮了海表面溫度的時間相關性,并未利用其空間相關性,使得預報精度受到限制。針對該問題,本文將區(qū)域內(nèi)每天的海表面溫度數(shù)據(jù)作為一個矩陣輸入模型,便于時間和空間信息的提取,并提出了CA-ConvLSTM模型來預報海表面溫度。該模型首先利用卷積層對海表面溫度矩陣進行局部特征提取,然后通過注意力模型為矩陣序列分配權重,將權重與矩陣序列對應相乘得到加權特征序列,最后,利用ConvLSTM進行預報,獲得未來一天或五天內(nèi)的海表面溫度。通過實驗確定模型的結構、輸入尺寸和k值,再將CA-ConvLSTM與SVR、LSTM和ConvLSTM進行對比。實驗結果表明:CA-ConvLSTM的均方根誤差(Root Mean Square Error,RMSE)和預報精度(Prediction Accuracy,PACC)指標均要優(yōu)于其他三種預報方法,驗證了本文方法的有效性。

【文章頁數(shù)】：9 頁

【文章目錄】：
1 相關工作
2 CA-ConvLSTM模型
    2.1 SST矩陣卷積
    2.2 注意力機制
    2.3 ConvLSTM
3 實驗
    3.1 實驗環(huán)境與數(shù)據(jù)
    3.2 實驗性能指標
    3.3 實驗結果分析
4 結束語



本文編號：3781397