-
公开(公告)号：CN113063737B
公开(公告)日：2022-05-10
申请号：CN202110324115.6
申请日：2021-03-26
Applicant: 福州大学
Abstract: 本发明涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；将X和Y纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；获取历史长时序特征矩阵X'，并作为模型的输入数据，进一步重建海洋内部热含量OHC数据集。
-
公开(公告)号：CN113063737A
公开(公告)日：2021-07-02
申请号：CN202110324115.6
申请日：2021-03-26
Applicant: 福州大学
Abstract: 本发明涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；将X和Y纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；获取历史长时序特征矩阵X'，并作为模型的输入数据，进一步重建海洋内部热含量OHC数据集。
-
Search Results
2
records
(took 0.013 seconds)
