长期短期记忆网络的应用在台湾西海岸的台风波预测上
Wei-Ting Chao1,2, Ting-Jung Kuo1
1Department of Applied Artificial Intelligence, Ming Chuan University, Taoyuan 33348, Taiwan.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种新的长期短期记忆 (LSTM) 模型,用于预测带有延长时间的台风波. 这种先进的方法提高了沿海防灾准备的准确性.
科学领域:
- 海洋学和海洋气象学
- 环境科学中的人工智能
背景情况:
- 台风引起的海浪带来了相当大的沿海灾害风险.
- 准确的波浪预测对于减轻灾害和做好准备至关重要.
- 现有的模型提供有限的预测交付时间,阻碍有效的响应.
研究的目的:
- 开发一种新的,长时间的台风引起的波浪预测模型.
- 提高波浪预测系统的准确性和概括能力.
- 利用长短期内存 (LSTM) 的动态网络结构来改善预测.
主要方法:
- 利用长期短期记忆 (LSTM) 网络,一种反复的神经网络.
- 结合了能够捕捉长期依赖性的动态网络结构.
- 训练模型使用气象数据进行沿海波浪预测.
主要成果:
- 与以前的方法相比,实现了显著改善的预测准确性.
- 延长了台风引起的波浪预测的预测时间.
- 证明了LSTM模型的增强学习和概括能力.
结论:
- 开发的LSTM模型在长时间的台风波预测方面取得了重大进展.
- 这种方法为沿海灾害的早期预警和应对提供了更有效的工具.
- 未来的研究可以进一步完善LSTM在海洋环境灾害预测中的应用.
