paint-brush
Deniz Yüzeyi Sıcaklığı Tahmini için Derin Sinir Ağı: Sonuçlar ve Gelecekteki Çalışmalarile@oceanography
124 okumalar

Deniz Yüzeyi Sıcaklığı Tahmini için Derin Sinir Ağı: Sonuçlar ve Gelecekteki Çalışmalar

Çok uzun; Okumak

Bu yazıda araştırmacılar, fiziksel bilgiyi tarihsel gözlemlerden sayısal modellere aktararak SST tahminini geliştirmektedir.
featured image - Deniz Yüzeyi Sıcaklığı Tahmini için Derin Sinir Ağı: Sonuçlar ve Gelecekteki Çalışmalar
Oceanography: Everything You Need to Study the Ocean HackerNoon profile picture
0-item

Yazarlar:

(1) Yuxin Meng;

(2) Feng Gao;

(3) Eric Rigall;

(4) Ran Dong;

(5) Junyu Dong;

(6) Qian Du.

Bağlantı Tablosu

V. SONUÇLAR VE GELECEKTEKİ ÇALIŞMALAR

Bu yazıda, sayısal model verilerindeki fiziksel bileşeni iyileştirmek ve ayarlamak için geçmiş gözlemlenen verileri kullanan, fiziksel bilgi düzeltmesine dayalı bir SST tahmin yaklaşımı sunuyoruz. Spesifik olarak, gözlemlenen verilerden fiziksel bilgiyi çıkarmak için önceden bir ağ kullanıldı. Daha sonra, önceden eğitilmiş önceki ağı sayısal model verileri üzerine uygulayarak fizikle geliştirilmiş SST oluşturduk. Son olarak, oluşturulan veriler ConvLSTM ağını SST tahmini için eğitmek amacıyla kullanıldı. Ek olarak, ConvLSTM ağını eğitmek için fiziksel bilgiye dayalı geliştirilmiş verilerden yararlanıldı ve bu da tahmin performansını daha da geliştirdi. Önerilen yöntem, en gelişmiş altı yönteme kıyasla en iyi performansı elde etti. Sayısal model verilerinin fiziksel kısmı önerdiğimiz yöntemle düzeltilmiş olsa da, yorumlanabilir bir model kullanılırsa tahmin performansı daha da geliştirilebilir. Gelecekte, derin ağlardan daha uygun bilgiler elde etmeyi ve ardından pratik uygulamalara daha uygun, yorumlanabilir modeller tasarlamayı planlıyoruz.