基于深度学习的南海海表面温度的智能化预测研究
海表面温度(sea surface temperature, SST)是影响海洋和气候变化的重要因素之一，准确预测SST的变化对于海洋生态环境、气象和航行等至关重要。传统的SST预测方法通常依赖于数值模式，但是其计算成本较高。该文基于深度学习模型(3D U-Net)，将SST、海表面高度异常(sea surface height anomalies, …
bowen-xie
海表面温度(sea surface temperature, SST)是影响海洋和气候变化的重要因素之一，准确预测SST的变化对于海洋生态环境、气象和航行等至关重要。传统的SST预测方法通常依赖于数值模式，但是其计算成本较高。该文基于深度学习模型(3D U-Net)，将SST、海表面高度异常(sea surface height anomalies, …
提出了一种基于深度卷积神经网络的海洋多目标涡旋检测方法。首先利用改进的密集卷积精确提取海洋涡旋特征，并使用跨层融合技术提高特征的利用率，来充分捕捉边缘信息；然后结合转置卷积和跳过连接构建上采样路径得到检测结果，以获得更高的检测准确率；最后在CMEMS(哥白尼海洋环境监测服务中心)发布的公开数据集上对本工作提出的方法进行了对比实验，实验结果表明：与 …