10.16798/j.issn.1003-0530.2022.08.007
空天地海一体化海洋环境数据多步预测
辅助海洋管理决策的多步预测预警意义重大且极具挑战性.实时、稳定、高效的广域海洋环境数据获取是保障多步预测性能的前提,未来6G空天地海一体化网络部署将有效地提升海洋分布式态势感知能力,提供高质量的数据支撑.众所周知,多步长模式下数据间的时序依赖性被极大地弱化,对此,本文提出了基于多阶段特征学习的海洋环境数据多步预测模型.结构上,该模型主要包括卷积神经网络(Convolutional Neural Networks,CNN)、优化组合的长短期记忆网络(Long Short-Term Memory Network,LSTM)和全连接层.这里,CNN用于提取海洋环境数据的细粒度特征,而基于粒子群优化的多LSTM组合方法,可以有效地挖掘数据间的时序依赖关系(粗粒度特征).实验结果表明该模型的预测性能明显优于CNN、LSTM以及门控制循环单元,并进行了统计验证.
空天地海一体化、海洋环境数据、多步预测、卷积神经网络、长短期记忆网络、粒子群优化
38
TN919
国家重点研发计划;河北省高等学校科学技术研究项目
2022-10-14(万方平台首次上网日期,不代表论文的发表时间)
共12页
1620-1631