报告详情
基于深度学习的印尼贯穿流反演与预测研究
编号：2731
访问权限：仅限参会人
更新：2024-04-12 16:01:33 浏览：1372次
口头报告
报告开始：2024年05月19日 17:04（Asia/Shanghai）
报告时间：8min
所在会场：[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。
关键词
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
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论