基于LSTM神经网络的我国典型试航海域环境短期预报方法研究

提出了一种基于LSTM(Long-Short Term Memory)神经网络的海洋环境短期预报模型。鉴于传统的梯度优化网络参数通常倾向于收敛到较差的局部解。为避免训练网络陷入局部解的困境,论文首先采用自动编码器和解码器对网络权重参数进行初始化。其次,在网络的训练过程中,利用改进的粒子群算法优化网络权重参数。最后,以我国东海、南海和黄海典型试航海域的风、浪时间序列数据为研究对象进行试验。试验结果表明,该模型在短期范围预报取得了较好的预报精度。