融合IVMD的海表温度时空智能预测方法

精准的海洋表面温度(sea surface temperature, SST)预测在海洋和气象领域具有重要意义,如海洋渔业捕捞和海洋天气预报等。提出一种融合改进变分模态分解(improved variational mode decomposition, IVMD)的时空混合模型来预测SST,采用中心频率观察法、残差指数最小化和皮尔逊相关系数改进变分模态分解(variational mode decomposition, VMD),去除SST序列冗余,利用图卷积神经网络(graph convolutional network, GCN)提取SST交互特征并结合长短时记忆网络(long short-term memory, LSTM)捕捉时间动态,提高预测精度。选取中国东海海域进行实证分析,实验结果表明:与现有模型对比,本文模型在均方根误差、平均绝对误差和平均绝对百分比误差3个指标上均有显著提升,验证了本文模型的有效性和稳定性。