用于海面温度预测的深度神经网络：结论与未来工作

链接表

• 摘要和简介
• 背景
• 提出的方法
• 实验结果与分析
• 结论和未来工作
• 参考

五、结论和未来工作

本文提出了一种基于物理知识校正的 SST 预测方法，该方法利用历史观测数据来细化和调整数值模型数据中的物理成分。具体而言，采用先验网络从观测数据中提取物理知识。随后，我们将预训练的先验网络应用于数值模型数据，生成物理增强的 SST。最后，使用生成的数据训练 ConvLSTM 网络进行 SST 预测。此外，利用基于物理知识的增强数据来训练 ConvLSTM 网络，进一步提高了预测性能。与六种最先进的方法相比，所提出的方法取得了最佳性能。虽然我们提出的方法已经校正了数值模型数据的物理部分，但如果采用可解释的模型，预测性能可以进一步提高。未来，我们计划从深度网络中提取更多相关知识，然后设计更适合实际应用的可解释模型。