典型文献
一种基于深度学习的热带气旋路径集成预报方法
文献摘要：
本文提出了一种基于深度学习的热带气旋(tropical cyclone,TC)路径集成预报方法.该方法以长短期记忆深度网络为模型构架,利用前4个时刻(24 h,间隔6 h)及当前时刻的TC路径记录,以及由不同环境因素所计算的方向预报因子作为输入,分别直接预报和间接(通过预报移动速度)预报路径,集成两者预报结果实现时效为24 h的TC路径预报.试验部分使用不同环境因素所对应方向预报因子进行预报,进而探究在该模型中影响TC路径预报的环境因素.结果表明,经纬向风场所计算的方向预报因子对模型预报性能提升较为明显,而海表温度、高度的方向预报因子对性能提升相对较小.此外,将不同方向预报因子的预报模型进一步集成,可以提升预报精度.上述结果验证了本文所提出的方向预报因子、集成方法在TC路径预报问题中的有效性.
文献关键词：
热带气旋路径;集成预报;深度学习;长短期记忆网络;方向预报因子
中图分类号：
作者姓名：
耿逍懿;郝坤;史振威
作者机构：
北京航空航天大学 宇航学院图像处理中心, 北京 100083
文献出处：
引用格式：
[1]耿逍懿;郝坤;史振威-.一种基于深度学习的热带气旋路径集成预报方法)[J].海洋科学,2022(02):74-86
A类：
方向预报因子
B类：
热带气旋路径,集成预报,预报方法,tropical,cyclone,深度网络,构架,不同环境,移动速度,结果实,路径预报,中影,经纬,纬向,风场,预报性能,性能提升,海表温度,同方向,预报模型,预报精度,集成方法,长短期记忆网络
AB值：
0.237579
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
