结合注意力机制的区域型海表面温度预报算法

作者：查铖,贺琪,宋巍,郝增周,黄冬梅,胡泽煜

摘要：海表面温度预报在海洋相关领域具有重要的实用价值,随着遥感信息采集技术的不断发展和完善,区域内海表面温度数据采集的完整性得到了保障。现今大多数方法在预报海表面温度时,只考虑了海表面温度的时间相关性,并未利用其空间相关性,使得预报精度受到限制。针对该问题,本文将区域内每天的海表面温度数据作为一个矩阵输入模型,便于时间和空间信息的提取,并提出了CA-ConvLSTM模型来预报海表面温度。该模型首先利用卷积层对海表面温度矩阵进行局部特征提取,然后通过注意力模型为矩阵序列分配权重,将权重与矩阵序列对应相乘得到加权特征序列,最后,利用ConvLSTM进行预报,获得未来一天或五天内的海表面温度。通过实验确定模型的结构、输入尺寸和k值,再将CA-ConvLSTM与SVR、LSTM和ConvLSTM进行对比。实验结果表明:CA-ConvLSTM的均方根误差(Root Mean Square Error,RMSE)和预报精度(Prediction Accuracy,PACC)指标均要优于其他三种预报方法,验证了本文方法的有效性。

发文机构：上海海洋大学信息学院 上海电力大学 自然资源部第二海洋研究所卫星海洋环境动力学国家重点实验室

关键词：时间序列海表面温度预报空间相关性注意力机制time seriessea surface temperature predictionspatial correlationattention mechanism

分类号： P731.31[天文地球—海洋科学]TP18[自动化与计算机技术—控制理论与控制工程]