Mạng lưới thần kinh sâu để dự đoán nhiệt độ bề mặt biển: Kết luận và công việc trong tương lai

Bảng liên kết

• Tóm tắt và giới thiệu
• Lý lịch
• Phương án đề xuất
• Kết quả và phân tích thí nghiệm
• Kết luận và công việc tương lai
• Người giới thiệu

V. KẾT LUẬN VÀ CÔNG VIỆC TƯƠNG LAI

Trong bài báo này, chúng tôi trình bày phương pháp dự đoán SST dựa trên hiệu chỉnh kiến thức vật lý, sử dụng dữ liệu quan sát lịch sử để tinh chỉnh và điều chỉnh thành phần vật lý trong dữ liệu mô hình số. Cụ thể, một mạng trước đó đã được sử dụng để trích xuất kiến thức vật lý từ dữ liệu được quan sát. Sau đó, chúng tôi đã tạo ra SST nâng cao vật lý bằng cách áp dụng mạng đã được huấn luyện trước trên dữ liệu mô hình số. Cuối cùng, dữ liệu được tạo ra được sử dụng để huấn luyện mạng ConvLSTM cho dự đoán SST. Ngoài ra, dữ liệu nâng cao dựa trên kiến thức vật lý đã được tận dụng để huấn luyện mạng ConvLSTM, giúp cải thiện hơn nữa hiệu suất dự đoán. Phương pháp đề xuất đạt được hiệu suất tốt nhất so với sáu phương pháp tiên tiến nhất. Mặc dù phần vật lý của dữ liệu mô hình số đã được sửa bằng phương pháp đề xuất của chúng tôi, hiệu suất dự đoán có thể được cải thiện hơn nữa nếu sử dụng mô hình có thể hiểu được. Trong tương lai, chúng tôi có kế hoạch trích xuất nhiều kiến thức thích hợp hơn từ các mạng sâu và sau đó thiết kế các mô hình có thể diễn giải phù hợp hơn cho các ứng dụng thực tế.