排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
海表温度(SST)是海洋水文的重要参数,准确预测SST对海洋经济发展与极端天气的预防都有重大意义。首先,针对SST序列数据的多噪声特点,采用变分模态分解方法(VMD)预处理,以减少噪声对预测结果的影响。其次,将卷积神经网络(CNN)与长短时记忆网络(LSTM)结合,同时提取SST序列的空间与时间特征,以提高预测精度。最后,本文提出了一种基于深度学习并融合了去噪模块的SST预测模型,选取我国东海海域的SST进行实证研究。通过与基线模型、现有模型的对比,证明了本文模型不但在SST的预测精度方面提升明显,而且具有较好的鲁棒性。 相似文献
1