期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究
被引量:
13
1
作者
王国松
王喜冬
+5 位作者
侯敏
齐义泉
宋军
刘克修
吴新荣
白志鹏
《海洋学报》
CAS
CSCD
北大核心
2020年第1期67-77,共11页
基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量...
基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子,分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析,得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差,RMSE分别降低了41.3%和38.8%,MAE平均降低了43.0%和40.0%;风速误差统计和极端大风分析发现,LSTM模型能够抓住地形、短时大风和台风等敏感信息,对于大风过程预报结果明显优于WRF模式;两种LSTM模型对比发现,ALL_LSTM模型风速预报误差最小,具有很好的稳定性和鲁棒性,OBS_LSTM模型应用范围更广泛。
展开更多
关键词
深度学习
LSTM
海面风速
短时预报
WRF模式
下载PDF
职称材料
题名
基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究
被引量:
13
1
作者
王国松
王喜冬
侯敏
齐义泉
宋军
刘克修
吴新荣
白志鹏
机构
河海
大学
海洋
学院
国家
海洋
信息中心
天津市滨海新区气象局
大连海洋大学海洋科技与环境学院应用海洋研究所
[
出处
《海洋学报》
CAS
CSCD
北大核心
2020年第1期67-77,共11页
基金
国家重点研发计划(2016YFC1401903)
国家自然科学基金(41776004)
河海大学中央高校基本科研业务费(2016B12514)
文摘
基于海洋气象历史观测资料和再分析数据等,利用LSTM深度神经网络方法,开展在有监督学习情况下的海面风场短时预报应用研究。以中国近海5个代表站为研究区域,通过气象台站观测数据和ERA-Interim 6 h再分析数据构建数据集。选取21个变量作为预报因子,分别构建两个LSTM深度神经网络框架(OBS_LSTM和ALL_LSTM)。经与2017年WRF模式6 h预报结果对比分析,得出如下结论:构建的两个LSTM风速预报模型可以大幅降低风速预报误差,RMSE分别降低了41.3%和38.8%,MAE平均降低了43.0%和40.0%;风速误差统计和极端大风分析发现,LSTM模型能够抓住地形、短时大风和台风等敏感信息,对于大风过程预报结果明显优于WRF模式;两种LSTM模型对比发现,ALL_LSTM模型风速预报误差最小,具有很好的稳定性和鲁棒性,OBS_LSTM模型应用范围更广泛。
关键词
深度学习
LSTM
海面风速
短时预报
WRF模式
Keywords
deep neural network
LSTM
sea surface wind speed
short-term forecasting
WRF model
分类号
P732.4 [天文地球—海洋科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于观测和再分析数据的LSTM深度神经网络沿海风速预报应用研究
王国松
王喜冬
侯敏
齐义泉
宋军
刘克修
吴新荣
白志鹏
《海洋学报》
CAS
CSCD
北大核心
2020
13
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部