热带海洋学报

作者：翁少佳, 蔡锦海, 庞运禧, 罗荣真

单位：自然资源部汕头海洋中心, 广东 汕尾 516600

关键词：表层海温,近岸台站,多元时间序列,卷积神经网络,

基金：广东省平台基地及科技基础条件建设项目(2021B1212050025)

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-term memory, 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。

来源：2024年第1期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2024年第1期