通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势...通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1~15 d预报的平均绝对误差为4.1~5.7 n mile①,均方根误差为5.4~7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5~7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。展开更多
简化和改进了脉冲耦合神经网络(PCNN),建立了基于时间索引图的脉冲耦合神经网络海冰 SAR 图像分类器,用于海冰 SAR 图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,...简化和改进了脉冲耦合神经网络(PCNN),建立了基于时间索引图的脉冲耦合神经网络海冰 SAR 图像分类器,用于海冰 SAR 图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,结果表明这个分类器能够区分海冰和海水,识别不同海冰类型,且具有高效率。为了选择适合辽东湾海冰分类的 PCNN 参数,分析了链接半径、链接强度和索引图等级等参数,给出了各参数合适的取值范围及调节原则。展开更多
文摘通过合成分析和回归分析,研究了影响辽东湾海冰变化的局地和大尺度环流因子,并基于一种深度学习方法——长短时记忆神经网络(LSTM),建立了辽东湾海冰延伸期预报模型。结果表明,LSTM模型能较好地预报出未来15 d辽东湾海冰的总体发展趋势、浮冰外缘线离岸距离的振荡变化及峰值发生时间等关键特征,1~15 d预报的平均绝对误差为4.1~5.7 n mile①,均方根误差为5.4~7.5 n mile。LSTM模型的预报时效可达到15 d,较目前海冰数值预报(5~7 d)的时效延长一倍,且运算速度极快,能够节省大量的计算资源和时间成本。该模型的建立为利用深度学习方法开展海洋和气象预报提供了一种新思路。
文摘简化和改进了脉冲耦合神经网络(PCNN),建立了基于时间索引图的脉冲耦合神经网络海冰 SAR 图像分类器,用于海冰 SAR 图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,结果表明这个分类器能够区分海冰和海水,识别不同海冰类型,且具有高效率。为了选择适合辽东湾海冰分类的 PCNN 参数,分析了链接半径、链接强度和索引图等级等参数,给出了各参数合适的取值范围及调节原则。
