论文部分内容阅读
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℃