10.3969/j.issn.2096-8248.2020.02.009
基于支持向量回归的海洋次表层温度异常预测
运用卫星海洋遥感技术观测海洋次表层温度异常有助于了解海洋内部异常及其动力过程.利用海表温度、海表风场、海表盐度和海表高度等4个参数,结合网格搜索法(Grid-search)和交叉验证法(Cross-validation)探索了最优参量的输入组合,构建了支持向量回归(SVR)模型.利用构建的模型对海洋次表层温度异常(STA)进行了预测,并结合Argo数据对预测精度进行了验证.结果 表明,在水深100 m时,预测均方差为0.5076,在水深1500 m时,预测均方差为0.0037.所构建的模型随着海洋深度的增加,预测精度逐渐降低,但整体上精度和模型存在比较好的可信度.
海洋次表层温度异常、支持向量回归、Argo数据、网格搜索法、交叉验证法
29
P715(海洋调查与观测)
国家自然科学基金资助项目;自然资源部海洋信息技术创新中心开放基金课题;连云港高新区重点研发计划项目;江苏省高校海洋科学技术优势学科建设项目;测绘工程国家一流本科专业建设点建设项目
2020-09-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
50-57