摘要
本发明公开了一种迭代思想‑机器学习融合的海表面高度预报方法,主要包括:明确预报目标,包括海表面高度所需的环境参数和预报的时空范围;进行数据收集与准备,利用接近预报时间段的历史观测数据构建训练集;搭建适用于海表面高度预报的机器学习模型,设置时间滞后窗口为一个时间步,训练模型;通过逐个时间步的预报,迭代生成整个预报时段的海表面高度预报结果。针对传统机器学习模型在实时预报海表面高度准确性方面的限制,本发明将迭代思想引入机器学习模型,取得了良好的预报效果。本发明方法具有灵活性和通用性,为海表面高度的实时预报提供了一种可靠的解决方案。
技术关键词
预报方法
构建机器学习模型
依赖特征
网络结构
训练机器学习模型
海洋环境参数
空间特征提取
长短期记忆网络
浮标数据
构建训练集
统计方法
序列
变量
机制
转换器
分辨率
时间段