基于LSTM-BP组合模型的南太平洋海流流速预测
袁红春
管琦
张天蛟
上海海洋大学信息学院,上海201306
摘要：南太平洋是全球海洋的重要组成部分,其海洋生物、温度、盐度和环流变化等一直是国内外研究的热点.海流流速是研究海洋变化的重要参数之一.本文选择了2004年1月—2015年12月12年南太平洋区域的流速数据进行研究.数据采集的是月平均值,空间分辨率为1°×1°,特征包括经度、纬度、深度和流速.将数据利用K近邻算法进行缺失值的填充后,按照10∶1∶1分为训练集、验证集和测试集,建立了BP、LSTM模型和LSTM-BP组合模型.利用2004年1月—2014年12月共11年的每个月数据预测2015年12个月流速变化.结果显示,组合模型的损失值小于单个模型损失值.通过对比每个月的预测结果,LSTM-BP模型比BP、LSTM模型均方误差分别下降了约0.7和0.5,平均绝对误差分别下降了约0.14和0.21.实验表明,LSTM-BP适用于南太平洋海流的预测,为海流的预测提供了一种新的方法.
关键词：南太平洋海流流速K近邻LSTM-BP神经网络
分类号：P731.21(海洋基础科学)TP183(自动化基础理论)
资助基金：国家自然科学基金(41776142)海市青年科技英才扬帆计划资助项目(YF1407700)
论文发表日期：2022-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：7( 10-16 )
英文信息