本文利用神经网络模型输入历史路径数据和再分析大气图像数据,很好地解决了热带气旋准确预测的问题,模型预测准确率较高,相较于传统的预测方法有很大的优势,可以为实时预报提供宝贵的参考依据。
Oct, 2019
本文利用基于长短时记忆的循环神经网络模型,预测北印度洋起源热带气旋的登陆强度、位置和时间,在预测结果中取得了非常高的准确度。
Mar, 2021
本研究使用人工神经网络模型结合一组合成暴风模拟数据库,研究了该模型模拟风暴潮水平的能力;使用时间序列模型 Long short-term memory,和结合卷积神经网络的 ConvLSTM 模型捕捉数据的时空相关性;该模型的性能优于高斯过程实现多个合成风暴数据库的结果。
Apr, 2022
本研究通过结合 ARIMA 模型和 K-MEANS 的方法,以及利用 Autoencoder 进行增强的模拟,有效地模拟了历史飓风行为并提供了潜在未来轨迹和强度的详细预测,为风险管理策略提供了可行的见解。
Sep, 2023
本文提出了一种融合卷积神经网络和循环神经网络的 CNN-RNN 结构,使用来自地理网格多个点的气象数据和风电场的时间信息进行日前风电预测,并在全球预测中取得了较好的结果,与传统模型相比,更好的实现了空间特征提取。
Jan, 2023
借助机器学习和递归神经网络 (RNNs) 的方法,通过物理模型替代或补充,本研究针对水文学中全球河流预测的问题进行了研究,并发现 RNNs 在流域和时间的泛化能力上的高性能,为全球流域数量预测提供了新方法和证据。
Apr, 2024
应用循环神经网络预测城市温度的研究与解决方案的综述。
May, 2024
本文介绍了一种基于神经网络的天气预测模型,可以在大范围内预测未来十二小时的降水,并在大陆美国地区比基于物理的 HRRR 及 HREF 模型表现更好,进而证明基于数据驱动的预测模型具有推动天气预测技术进步的潜力。
Nov, 2021
本文对循环神经网络的基本原理、最新进展和研究挑战进行了说明,介绍了针对学习长期依赖问题的新进展,适合该领域的新手和专业人士。
Dec, 2017
通过训练神经网络,尤其是采用 LSTM,可以预测船只在极端海况下的运动,且可以在运算量低得多的情况下进行预测。
Dec, 2019