检索结果-南通市图书馆

Unified deep learning model for El Niño/Southern Oscillation forecasts by incorporating seasonality in climate data

Science Bulletin 2021年第13期66卷 1358-1366,M0004页

作者： Yoo-Geun Ham Jeong-Hwan Kim Eun-Sol Kim Kyung-Yun On Department of Oceanography Chonnam National UniversityGwangju 61186South Korea Kakao Brain Bundang-guSeongnam-siGyeonggi-do 13494South Korea

Although deep learning has achieved a milestone in forecasting the El Niño-Southern Oscillation(enso),the current models are insufficient to simulate diverse characteristics of the enso,which depends on the calendar ***,a model was generated for specific seasons which indicates these models did not consider physical constraints between different target seasons and forecast lead times,thereby leading to arbitrary fluctuations in the predicted time *** overcome this problem and account for enso seasonality,we developed an all-season convolutional neural network(A_CNN)*** correlation skill of the enso index was particularly improved for forecasts of the boreal spring,which is the most challenging season to ***,activation map values indicated a clear time evolution with increasing forecast lead *** study findings reveal the comprehensive role of various climate precursors of enso events that act differently over time,thus indicating the potential of the A_CNN model as a diagnostic tool.

关键词： Deep learning enso forecasts Seasonality of the enso

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：