基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测 |
| |
引用本文: | 赖晓倩,余镒琦,梁中耀,陈火荣,陈能汪.基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测[J].海洋学报,2023(4):165-178. |
| |
作者姓名: | 赖晓倩 余镒琦 梁中耀 陈火荣 陈能汪 |
| |
作者单位: | 1. 厦门大学近海海洋环境科学国家重点实验室;2. 厦门大学福建省海陆界面生态环境重点实验室;3. 福建省渔业资源监测中心 |
| |
基金项目: | 国家重点研发计划(2016YFC0502901); |
| |
摘 要: | 水温预测是保障近海渔业生产和环境安全的关键技术。现有的数值模型开发成本大,业务化应用不足。本文提出了一种集成差分回归(Differential Regression, DR)和可迁移长短期记忆网络(Transferable Long Short-Term Memory, TLSTM)的水温预测方法。以厦门湾(源域,数据多)和三沙湾(目标域,数据少)水温为研究对象,根据三沙湾在线监测水温和预报气温数据建立了DR模型,根据厦门湾长时间监测水温数据建立了TLSTM模型,采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型,对模型性能进行了评估,并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比。结果表明:(1) TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型;(2) DR-TLSTM集成模型具有较高的预测精度,未来1~7 d预测的均方根误差为0.13~0.77℃,未来1~3 d预测的均方根误差小于0.4℃;(3) DR-TLSTM集成模型可有效预测水温骤升或骤降趋势,对水温突变点的预测均方根误差为0.29~1.09℃。基于本...
|
关 键 词: | 水温预测 回归模型 LSTM模型 迁移学习 变权集成 |
|