基于STL的南海海表温度组合预测模型 |
| |
引用本文: | 杨乐晴,王丽娜,张红春,董昌明.基于STL的南海海表温度组合预测模型[J].海洋环境科学,2024(1):109-118. |
| |
作者姓名: | 杨乐晴 王丽娜 张红春 董昌明 |
| |
作者单位: | 1. 南京信息工程大学人工智能学院(未来技术学院);2. 南方海洋科学与工程广东省实验室(珠海);3. 南京信息工程大学海洋科学学院 |
| |
基金项目: | 国家自然科学基金项目(42192562); |
| |
摘 要: | 海表温度(sea surface temperature,SST)是海洋科学研究的重要内容之一。SST的异常波动导致海洋灾害、气象灾害现象时有发生,SST的精确预测对海洋环境保护和海洋经济发展有重要意义。针对SST序列的季节性、非平稳性,首先利用周期趋势分解算法(seasonal-trend decomposition procedure based on loess, STL)对数据进行预处理,分解得到季节分量、趋势分量和残差分量子序列,依次选择相应的预测方法构建组合模型。季节分量应用具有时间嵌入编码模块的Transformer网络预测,充分挖掘序列全局信息,解决时间序列长时间依赖问题;趋势分量应用线性回归模型预测;残差分量应用自回归模型预测。选取南海海域单点SST数据,应用基于STL的SST组合预测模型建模,预测5 d的SST值。实验结果表明,本文模型在单点SST预测任务中,能够有效捕获SST变化规律,提高预测精度。
|
关 键 词: | 海表温度 周期趋势分解 Transformer 线性回归 AR模型 |
|
|