基于高斯混合聚类和LightGBM算法的印度洋次表层温度反演研究
2023年4月15日·
,
·
0 分钟阅读时长
Guiyan Tang
朱善良
Weifeng Zhou
杨树国
摘要
海洋次表层的热力结构对于海洋环流和全球气候变化具有重要的意义。提出一种新的融合高斯混合模型(gaussion mixture model, GMM)和轻量级梯度提升机(light gradient boosting machine, LightGBM)算法的海洋次表层温度(ocean subsurface temperature, OST)反演模型，利用海表温度(sea surface temperature, SST)、海表盐度(sea surface salinity, SSS)、海表高度(sea surface height, SSH)、海表风场(sea surface wind, SSW)的水平分量(USSW)和垂直分量(VSSW)等多源海表参数对印度洋海域的次表层热力结构进行反演，并采用均方根误差和决定系数对模型进行验证。结果表明：所提出的模型可以准确反演印度洋海域的OST分布特征和季节变化规律。在此基础上，设计了不同海表参数输入组合的3种对比实验来定量分析不同海表参数对LightGBM模型的影响。结果表明：所有海表参数对模型都有积极作用，但5个输入参数(SST、SSS、SSH、USSW和VSSW)的LightGBM模型反演效果最好，3个输入参数(SST、SSS和SSH)和2个输入参数(SST和SSH)的LightGBM模型次之。另外，与已有的极限梯度增强(extreme gradient boosting, XGBoost)反演模型相比，5个输入参数的LightGBM模型具有更好的模拟能力。
类型
出版物
青岛科技大学学报(自然科学版)
Authors
Authors
正教授
博士，教授，硕士生导师，人工智能技术海洋场景化应用山东省工程研究中心副主任，青岛市人工智能海洋技术创新中心副主任，青岛科技大学数学与交叉研究院副院长。山东赛区数学建模竞赛专家组成员、山东省数学会理事、山东省应用统计学会理事、人工智能海洋学专业委员会委员。近年来，主持或参与国家自然科学基金、省自然基金、省教改项目等各类教学科研项目20多项，在国内外期刊发表学术论文80余篇，其中被SCI、EI检索70余篇，参编教材1部。指导学生参加全国大学生数学建模竞赛、中国研究生数学建模竞赛、美国大学生数学建模竞赛等各类竞赛获国家一等奖9项、国家二等奖29项、国家三等奖13项、山东省一等奖37项、山东省二等奖12项、山东省三等奖7项。指导本科生参加国家大学生创新计划项目4项。
Authors
Authors
正教授
教授，博士生导师，哈尔滨工业大学博士后。数据科学与信息技术研究中心主任，人工智能海洋技术场景化应用山东省工程研究中心主任，青岛市人工智能海洋技术创新中心主任，青岛科技大学数学与交叉研究院院长。美国佐治亚理工学院高级访问学者、香港中文大学高级访问学者、北京交通大学高级访问学者；山东省数学会常务理事、山东省应用统计学会常务理事、人工智能海洋学专业委员会常务委员。近年来，主持或参与国家自然科学基金、国防科工委、电子工业部、省自然基金、省重点科研计划、省高校科研计划、省优秀中青年科学家基金、青岛市科技发展计划项目等各级各类科研项目40多项。