[口头报告]基于深度学习的印尼贯穿流反演与预测研究

基于深度学习的印尼贯穿流反演与预测研究
编号:2731 稿件编号:1098 访问权限:仅限参会人 更新:2024-04-12 16:01:33 浏览:43次 口头报告

报告开始:2024年05月19日 17:04 (Asia/Shanghai)

报告时间:8min

所在会议:[S6] 主题​6、海洋地球科学 » [S6-7] 主题6、海洋地球科学 专题6.1、专题6.2(19日下午,302)

暂无文件

摘要
印尼贯穿流(ITF)在区域和全球气候系统中发挥着重要作用,但是缺乏长期和连续的ITF时间序列。我们基于深度学习方法利用海表面高度与海表面温度来重构ITF流量。深度学习使用CMIP6模拟的1850-1974年数据进行训练,1974-2014年数据进行验证、测试。训练结果表明,卷积神经网络模型能够重现约 90%的ITF流量总方差。通过该模型利用1993-2021年期间的卫星观测数据,生成了这段时间的ITF流量时间序列,该序列得到了多个观测ITF测量计划的验证。生成的ITF流量时间序列与 Nino3.4 指数的相关系数为0.62,并提前ITF 3个月左右的时间。卷积神经网络模型也能够提前7个月对ITF流量做出有效的预测。相比较其他神经网络模型,卷积神经网络具有更高的准确性以及更加轻量化的模型参数。
关键字
印尼贯穿流,深度学习
报告人
辛林超
硕士研究生 中国科学院海洋研究所

稿件作者
辛林超 中国科学院海洋研究所
胡石建 中国科学院海洋研究所
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订