基于深度学习的南海海表面温度的智能化预测研究<bold/>

海表面温度(sea surface temperature, SST)是影响海洋和气候变化的重要因素之一，准确预测SST的变化对于海洋生态环境、气象和航行等至关重要。传统的SST预测方法通常依赖于数值模式，但是其计算成本较高。该文基于深度学习模型(3D U-Net)，将SST、海表面高度异常(sea surface height anomalies, SSHA)以及海表面风(sea surface wind, SSW)作为输入变量成功构建了南海SST的快速化智能预报模型。结果表明，与卷积长短时记忆(convolutional long short-term memory, ConvLSTM)模...

Full description

Bibliographic Details

Published in:	Haiyang yu huzhao
Main Authors:	谢 博闻, 张 丛, 杨 树国, 冯 忠琨, 孙 贵民
Format:	Article
Language:	Chinese
Published:	Science Press 2024-10-01
Subjects:	海表面温度 3D U-Net模型 深度学习 南海 海洋热浪
Online Access:	https://www.sciengine.com/doi/10.11693/hyhz20240200032