基于LSTM-BP组合模型的南太平洋海流流速预测

作者：袁红春; 管琦^*; 张天蛟

来源：海洋湖沼通报, 2022, 44(04): 10-16.

DOI：10.13984/j.cnki.cn37-1141.2022.04.002

• 南太平洋
• 海流流速
• K近邻
• LSTM-BP神经网络

南太平洋是全球海洋的重要组成部分，其海洋生物、温度、盐度和环流变化等一直是国内外研究的热点。海流流速是研究海洋变化的重要参数之一。本文选择了2004年1月—2015年12月12年南太平洋区域的流速数据进行研究。数据采集的是月平均值，空间分辨率为1°×1°,特征包括经度、纬度、深度和流速。将数据利用K近邻算法进行缺失值的填充后，按照10∶1∶1分为训练集、验证集和测试集，建立了BP、LSTM模型和LSTM-BP组合模型。利用2004年1月—2014年12月共11年的每个月数据预测2015年12个月流速变化。结果显示，组合模型的损失值小于单个模型损失值。通过对比每个月的预测结果，LSTM-BP模型比BP、LSTM模型均方误差分别下降了约0.7和0.5,平均绝对误差分别下降了约0.14和0.21。实验表明，LSTM-BP适用于南太平洋海流的预测，为海流的预测提供了一种新的方法。

• 单位
  上海海洋大学