基于神经网络模型的潜标流速剖面数据填补
编号：1105 稿件编号：1703 访问权限：仅限参会人 更新：2021-06-15 17:08:00 浏览：520次 张贴报告

报告开始：2021年07月10日 10:25 （Asia/Shanghai）

报告时间：5min

所在会议：[SP] 张贴报告专场 » [SP-6] 主题6、海洋地球科学 墙报

暂无文件

摘要
对海洋观测中缺失数据的填补是一项非常重要的工作。本文采用了神经网络模型对缺失长达两年的潜标流速剖面数据进行填补。通过客观评判分析，发现神经网络模型对流速剖面填补效果略优于多元线性回归模型。随着深度增加，神经网络填补的优势更加明显。通过调整训练集中的样本个数，发现当样本数大于7 000时，神经网络可以发挥出最大的填补能力。此外，神经网络模型所填补的流速剖面数据可以再现真实海洋中的周期性运动（如潮汐、近惯性振荡等）。研究表明，神经网络填补的时间序列可以很好地描述海洋的基本运动过程，这对海洋观测中经常出现的数据空白和缺失提供了一个有效的弥补手段。
关键字
BP神经网络,多元线性回归,潜标,流速剖面,数据填补
报告人
朱瑞琛
中国海洋大学

稿件作者
朱瑞琛 中国海洋大学
陈朝晖 中国海洋大学
发表评论
验证码 看不清楚，更换一张
全部评论
登录 会议管理 酒店预订 提交摘要