基于XGBoost-PredRNN++的海表面温度预测

杜扬帆; 伍孝飞; 乔百友

首页> 中文期刊> 《计算机系统应用》 >基于XGBoost-PredRNN++的海表面温度预测

基于XGBoost-PredRNN++的海表面温度预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

准确预测海表面温度对于海洋渔业生产、海洋动力环境信息预测预报等至关重要.传统数值预报方法计算代价大、时效差,而现有基于数据驱动的海表温预测方法大都针对单个观测点进行海表温预测,不适合预测由多个观测点构成的某个区域的海表面温度,而现有的区域海表温预测方法的预测精度仍然有待提高.为此,本文提出了一种基于XGBoost结合PredRNN++的区域海表温预测方法(XGBoost-PredRNN++),该方法首先将海表面温数据处理成灰度图片,然后利用XGBoost模型来提取每个点的时间特征;在此基础上,采用CNN网络将时间特征融合到原始海表温数据中,同时提取出海表温数据之间的空间依赖关系;最后利用PredRNN++时间序列预测模型提取整个海表温序列之间的时空关联关系,从而实现了区域海表温度的高精度预测.一系列实验结果表明,本文提出的方法具有较高预测精度和效率,明显优于现有预测方法.

著录项

来源
《计算机系统应用》 |2022年第10期|236-244|共9页
作者
杜扬帆; 伍孝飞; 乔百友;
展开▼
作者单位

东北大学计算机科学与工程学院;

东北大学医学影像智能计算教育部重点实验室;

展开▼
原文格式 PDF
正文语种 chi
中图分类 P714.1;
关键词
温度预测; PredRNN++; CNN; XGBboost; 海面温度;

相似文献

中文文献
外文文献
专利

1. 基于ConvGRU深度学习网络模型的海表面温度预测 [J] . 张雪薇 ,韩震 . 大连海洋大学学报 . 2022,第3期
2. 一种基于深度学习的海表面温度预测方法——以南海为例 [J] . 孙苗 ,赵龙飞 ,孔祥超 . 海洋信息技术与应用 . 2021,第4期
3. 基于时序挖掘的时间融合算法及在海表面温度预测中的应用 [J] . 徐凌宇 ,方晓君 ,徐仁杰 . 上海大学学报（自然科学版） . 2007,第005期
4. 前期土壤湿度、海表面温度对中国夏季极端气温的预测能力评估 [J] . 宋耀明 ,邹永成 ,王志福 . 大气科学学报 . 2019,第5期
5. Spark平台下的海表面温度并行预测算法 [J] . 贺琪 ,查铖 ,孙苗 . 海洋通报 . 2019,第003期
6. 基于BP网络的钢坯表面温度预测模型的设计 [C] . 王志春 ,李忠飞 . 全国冶金自动化信息网2009年会 . 2009
7. 中西太平洋区域渔业政策及海表面温度对中国金枪鱼围网渔业作业的影响——以上海开创远洋渔业公司为例 [A] . 龙永双 . 2017

基于XGBoost-PredRNN++的海表面温度预测

摘要

著录项

相似文献

相关主题

期刊订阅