| 集成奇异谱分析和长短期记忆网络的区域海平面变化预测 |
| |
| 引用本文： | 赵健,蔡瑞阳,孙伟富.集成奇异谱分析和长短期记忆网络的区域海平面变化预测[J].同济大学学报(自然科学版),2022,50(10):1508-1516. |
| |
| 作者姓名： | 赵健 蔡瑞阳 孙伟富 |
| |
| 作者单位： | 1.中国石油大学(华东) 海洋与空间信息学院,山东 青岛 266580;2.江苏满运物流信息有限公司,江苏 南京 210012;3.自然资源部第一海洋研究所,山东 青岛 266061 |
| |
| 基金项目： | 国家重点研发计划（2016YFA0600102） |
| |
| 摘 要： | 基于我国首套高精度全球海洋气候数据集（CDRs），选取季节变化较为明显的黄海作为研究区域，利用奇异谱分析（SSA）对黄海海域海平面异常（SLAs）数据进行了时间序列与时空序列的分解去噪，并结合长短期记忆（LSTM）网络构建了SSA-LSTM组合模型，对黄海海域海平面变化趋势进行预测。结果表明：SSA-LSTM组合模型对时间序列的预测精度显著提高，预测长度5年的均方根误差最小为35.04 mm；在对时空序列的预测中，预测第1年的均方根误差最小为19.68 mm。同时，利用空间模态进行了海平面变化时空分异规律研究，发现黄海海域海平面变化趋势具有高度一致性，并且与季节、纬度显著相关。预计2016年―2025年黄海海域海平面将以每年3.65±0.79 mm的速率持续上升。
|
| 关 键 词： | 海平面异常（SLA） 时空序列 奇异谱分析（SSA） 长短期记忆（LSTM）网络 黄海海域 |
| 收稿时间： | 2021/1/28 0:00:00 |
Regional Sea Level Change Prediction with Integration of Singular Spectrum Analysis and Long-short-term Memory Network |
| |
| ZHAO Jian,CAI Ruiyang,SUN Weifu.Regional Sea Level Change Prediction with Integration of Singular Spectrum Analysis and Long-short-term Memory Network[J].Journal of Tongji University(Natural Science),2022,50(10):1508-1516. |
| |
| Authors: | ZHAO Jian CAI Ruiyang SUN Weifu |
| |
| Abstract: | |
| |
| Keywords: | sea level anomaly (SLA) spatio-temporal series singular spectrum analysis (SSA) long short-term memory (LSTM) network the Yellow Sea |
|
| 点击此处可从《同济大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《同济大学学报(自然科学版)》下载免费的PDF全文 |
