基于注意力机制的HDC-BiGRU海表温度预测模型

作者：王丽娜; 葛鹏; 刘会滔; 宋悦; 董昌明

来源：海洋环境科学, 2022, 41(06): 947-956.

DOI：10.13634/j.cnki.mes.2022.06.018

• 海表温度
• 注意力机制
• 混合空洞卷积
• 双向门控循环神经网络
• 编码器-解码器

海表温度（sea surface temperature,SST）是研究全球气候变化的重要地球物理参数，SST的精确预测对全球气候变化、海洋环境和渔业发展具有重要意义。为了提高SST的预测精度，基于时空特征的提取方法，本文提出具有注意力机制的HDC-BiGRU混合模型（HDC-BiGRU-AT，由编码器和解码器构成），可以预测7天的SST。在模型编码阶段，混合空洞卷积（hybrid dilated convolution,HDC）能够提取SST的空间特征，双向门控循环神经网络（bidirectional gated recurrentunit,BiGRU）能够捕获SST的时序特征。通过加入注意力机制，对输出信息分配不同的权重（重要信息分配更高的权重系数），进而实现信息编码，在解码阶段可以提高模型的预测精度。选取我国东海和南海海域的二维SST数据进行建模，实验结果表明，HDC-BiGRU-AT模型的误差指标值均低于已有的方法，充分验证了所提方法的可行性、有效性。

• 单位
  南京信息工程大学; 南方海洋科学与工程广东省实验室（珠海）