卷积神经网络在近岸表层海温预报中的应用

针对数值预报和人工经验预报在近岸定点表层海温(sea surface temperature,SST)预报中预报准确度不高,将近岸台站定点SST预报转换为多元时间序列预测任务,应用卷积神经网络(convolutional neural networks,CNN)构建近岸台站定点SST时间序列变化模型,对近岸台站每日最高海温、最低海温、平均海温进行预报,并与人工经验方法和长短期记忆网络(long short-termmemory,LSTM)方法进行对比试验。结果显示,在测试数据中相比人工经验预报,CNN方法全年日最高海温预报平均绝对误差(mean absolute error,MAE)为0.36℃,平均下降0.14℃,均方根误差(root mean squared error,RMSE)为0.49℃,平均下降0.21℃,日最低海温预报MAE为0.36℃,平均下降0.17℃,RMSE为0.63℃,平均下降0.24℃,日平均海温预报MAE为0.30℃,RMSE为0.47℃,预报性能和LSTM模型预报性能相当。研究表明CNN应用于近岸SST预报具有可行性,能够有效地提高SST预报准确度,并且预报效果可以媲美LSTM。

小学数学应当运用兴趣教学

兴趣教学是指在教学中以学生的主体意识为出发点, 通过激发学生的学习动机来促使他们投入到学习活动中.采用兴趣教学的方式有助于学生进行愉快而高效的学习, 这也是新课程改革所追求的教学目标.

浅谈无人岛无人值守综合监测平台建设

伴随着科学技术、信息技术的快速发展,海洋观测内容日益增加范围日益扩大,太阳能和风能的广泛利用、无线通讯技术的应用、无线电测量技术应用、视频观测技术不断发展,使得海洋观测实现数字化、自动化及实时性、可视性成为了现实。这些技术为海洋观测提供了有效可靠的重要保障,同时在实际的工程、观测、测量过程中发挥出重要的作用,为海洋观测技术网络化、信息化与多样化发展提供了关键的技术支持。