青岛科技大学主页平台管理系统朱善良--朱善良-- 基于自注意力机制的深度学习的海洋三维温度场预测

基于自注意力机制的深度学习的海洋三维温度场预测: 点击次数：; 关键字：海水温度;三维温度场预测;自注意力记忆机制;SA-ConvLSTM;多步长递归预测; 摘要：目前主要从时空角度出发对海洋三维温度场进行预测，却忽略了相邻位置的海温相关关系。为弥补这一不足，构建一种融合了自注意力记忆模块与卷积式长短时记忆神经网络（ConvLSTM）模型的SA-ConvLSTM三维温度场预测模型，不仅可以从历史三维温度场中提取海温时空特征，还能获取并记忆相邻点位置信息，从而实现对三维温度场时空变化的把握。实验结果表明：相较于ConvLSTM模型，SA-ConvLSTM模型在滑动预测与多步长递归预测实验下的均方根误差和平均绝对误差提升约14%，且整体预测效果均优于基线模型、长短时记忆神经网络模型和ConvLSTM模型。; 卷号：v.41;No.187; 期号：03; 是否译文：否

上一条： Distributed adaptive fault-tolerant control with prescribed performance for nonlinear multiagent systems

下一条： Design of adaptive finite-time fault-tolerant controller for stochastic nonlinear systems with multiple faults