一种基于多层堆叠ConvLSTM的海冰密集度预测方法

本发明属于极区海洋环境要素预测技术领域，具体涉及一种基于多层堆叠ConvLSTM的海冰密集度预测方法，包括以下步骤：步骤1：获取极区海域再分析数据并进行消除陆地点的预处理；步骤2：建立MLS‑ConvLSTM神经网络模型并进行仿真；步骤3：判断MLS‑ConvLSTM神经网络模型的预报效果，对MLS‑ConvLSTM神经网络模型进行参数优化，并输出训练后的MLS‑ConvLSTM神经网络模型；步骤4：使用MLS‑ConvLSTM神经网络模型对待分析的海洋数据进行分析，完成预测极区海冰密集度。本发明结合了卷积神经网络(CNN)的空间特征提取能力和长短期记忆网络(LSTM)的时间序列建模能力。这种结合使得ConvLSTM在需要同时捕捉时间和空间信息的任务中表现出色，这对SIC的海冰转化时空过程的精确预报十分有利。