科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用基于深度学习的多隐层结构的时空序列预测神经网络，对风-浪实况大数据进行信息挖掘并构建智能预报模型，推理大洋-海域尺度非平稳态浪场时空演化过程，并在业务应用中与数值模型进行对比。结果表明：大数据驱动的智能预报的精度与数值预报相当；费效比比数值预报降低近700倍；业务流程与数值预报几乎一致，便于改造系统；业务应用情景比数值预报更广泛。此外，高效灵活的智能预报技术与新型计算设备相结合，可使海浪预报从业务中心进一步下沉到新兴的涉海行业实体中。
- 单位
利用基于深度学习的多隐层结构的时空序列预测神经网络，对风-浪实况大数据进行信息挖掘并构建智能预报模型，推理大洋-海域尺度非平稳态浪场时空演化过程，并在业务应用中与数值模型进行对比。结果表明：大数据驱动的智能预报的精度与数值预报相当；费效比比数值预报降低近700倍；业务流程与数值预报几乎一致，便于改造系统；业务应用情景比数值预报更广泛。此外，高效灵活的智能预报技术与新型计算设备相结合，可使海浪预报从业务中心进一步下沉到新兴的涉海行业实体中。
