基于不同机构(SIO、JAM和EN4)发布的多套Argo数据集,分析盐度漂移的时空变化特征。结果表明,2016年以后,3家机构发布的盐度数据集都存在明显的系统性漂移,且不同深度层的盐度漂移幅度差异较大。为此,基于赤池信息量准则(Akaike informat...基于不同机构(SIO、JAM和EN4)发布的多套Argo数据集,分析盐度漂移的时空变化特征。结果表明,2016年以后,3家机构发布的盐度数据集都存在明显的系统性漂移,且不同深度层的盐度漂移幅度差异较大。为此,基于赤池信息量准则(Akaike information criterion,AIC)提出面向特定深度层盐度漂移的多项式修正方法。该方法能有效修正0~2000m深度范围内Argo数据集的盐度偏差,使得2005~2021年的GMSL预算平衡偏差减少约43%。盐度漂移具有复杂的空间关联性,全球盐容海平面变化趋势存在显著的空间分布差异,北大西洋区域最为显著,修正后其空间分布趋于一致。展开更多
为提高海平面变化预测精度,将自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆网络(LSTM)相结合,采用“分解-预测-重组”思路,提出一种海平面变化预测组合方法CEEMDAN-LSTM。结果表明,相对于直接使用LSTM神经网络进行预测(MAE=16....为提高海平面变化预测精度,将自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆网络(LSTM)相结合,采用“分解-预测-重组”思路,提出一种海平面变化预测组合方法CEEMDAN-LSTM。结果表明,相对于直接使用LSTM神经网络进行预测(MAE=16.87 mm, RMSE=21.51 mm),以及已有的EEMD-BP神经网络组合方法(MAE=10.4 mm, RMSE=15.44 mm),CEEMDAN-LSTM组合方法预测表现最优(MAE=8.89 mm, RMSE=11.34 mm),具有最低的预测误差。展开更多
文摘基于不同机构(SIO、JAM和EN4)发布的多套Argo数据集,分析盐度漂移的时空变化特征。结果表明,2016年以后,3家机构发布的盐度数据集都存在明显的系统性漂移,且不同深度层的盐度漂移幅度差异较大。为此,基于赤池信息量准则(Akaike information criterion,AIC)提出面向特定深度层盐度漂移的多项式修正方法。该方法能有效修正0~2000m深度范围内Argo数据集的盐度偏差,使得2005~2021年的GMSL预算平衡偏差减少约43%。盐度漂移具有复杂的空间关联性,全球盐容海平面变化趋势存在显著的空间分布差异,北大西洋区域最为显著,修正后其空间分布趋于一致。
文摘为提高海平面变化预测精度,将自适应噪声完备集合经验模态分解(CEEMDAN)与长短期记忆网络(LSTM)相结合,采用“分解-预测-重组”思路,提出一种海平面变化预测组合方法CEEMDAN-LSTM。结果表明,相对于直接使用LSTM神经网络进行预测(MAE=16.87 mm, RMSE=21.51 mm),以及已有的EEMD-BP神经网络组合方法(MAE=10.4 mm, RMSE=15.44 mm),CEEMDAN-LSTM组合方法预测表现最优(MAE=8.89 mm, RMSE=11.34 mm),具有最低的预测误差。