公开(公告)号：CN111695297A

公开(公告)日：2020-09-22

申请号：CN202010490275.3

申请日：2020-06-02

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  周诗楠 ,  刘厂 ,  郭少彬

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种近海面气温反演方法，具体包括步骤一：选择海区并对区域内的数据进行提取和预处理。步骤二：确定输入、输出参量，建立基于循环神经网络近海面气温反演模型。步骤三：权重初始化。步骤四：加入L2参数范式罚项。步骤五：进行BPTT算法的初始化。步骤六：前向传播获得预测值。步骤七：反向传播更新连接权值。步骤八：计算损失函数。步骤九：返回存储网络参数相比于大多数近海面气温方法仅仅利用线性回归及浅层神经网络的方法建模，本发明使用深度神经网络进行建模和训练，从而提高近海面气温反演的精度。

公开(公告)号：CN111695297B

公开(公告)日：2022-08-02

申请号：CN202010490275.3

申请日：2020-06-02

Applicant: 哈尔滨工程大学

Inventor： 高峰 ,  周诗楠 ,  刘厂 ,  郭少彬

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种近海面气温反演方法，具体包括步骤一：选择海区并对区域内的数据进行提取和预处理。步骤二：确定输入、输出参量，建立基于循环神经网络近海面气温反演模型。步骤三：权重初始化。步骤四：加入L2参数范式罚项。步骤五：进行BPTT算法的初始化。步骤六：前向传播获得预测值。步骤七：反向传播更新连接权值。步骤八：计算损失函数。步骤九：返回存储网络参数相比于大多数近海面气温方法仅仅利用线性回归及浅层神经网络的方法建模，本发明使用深度神经网络进行建模和训练，从而提高近海面气温反演的精度。