检索结果-南通市图书馆

Effective ensemble learning approach for SST field prediction using attention-based predrnn

Frontiers of Computer Science 2023年第1期17卷 143-155页

作者： Baiyou QIAO Zhongqiang WU Ling MA Yicheng Zhou Yunjiao SUN School of Computer Science and Engineering Northeastern UniversityShenyang 110169China Key Laboratory of Intelligent Computing in Medical Image Ministry of EducationNortheastern UniversityShenyang 110169China

Accurate prediction of sea surface temperature (SST) is extremely important for forecasting oceanic environmental events and for ocean studies. However, the existing SST prediction methods do not consider the seasonal periodicity and abnormal fluctuation characteristics of SST or the importance of historical SST data from different times;thus, these methods suffer from low prediction accuracy. To solve this problem, we comprehensively consider the effects of seasonal periodicity and abnormal fluctuation characteristics of SST data, as well as the influence of historical data in different periods, on prediction accuracy. We propose a novel ensemble learning approach that combines the Predictive Recurrent Neural Network(predrnn) network and an attention mechanism for effective SST field prediction. In this approach, the XGBoost model is used to learn the long-period fluctuation law of SST and to extract seasonal periodic features from SST data. The exponential smoothing method is used to mitigate the impact of severely abnormal SST fluctuations and extract the a priori features of SST data. The outputs of the two aforementioned models and the original SST data are stacked and used as inputs for the next model, the predrnn network. predrnn is the most recently developed spatiotemporal deep learning network, which simulates both spatial and temporal representations and is capable of transferring memory across layers and time steps. Therefore, we used it to extract the spatiotemporal correlations of SST data and predict future SSTs. Finally, an attention mechanism is added to capture the importance of different historical SST data, weigh the output of each step of the predrnn network, and improve the prediction accuracy. The experimental results on two ocean datasets confirm that the proposed approach achieves higher training efficiency and prediction accuracy than the existing SST field prediction approaches do.

关键词： SST prediction ensemble learning XGBoost predrnn attention mechanism

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于predrnn的蓝藻时空序列预测实验方案设计

引用

实验技术与管理 2023年第8期40卷 40-48页

作者：罗晓清王培睿张战成吴小俊江南大学人工智能与计算机学院江苏无锡214122 江南大学先进技术研究院江苏无锡214122 江苏省模式识别与计算智能工程实验室江苏无锡214122 苏州科技大学电子与信息工程学院江苏苏州215000

该文采用Pred RNN技术设计了蓝藻时空序列预测综合实验方案,可为湖泊蓝藻治理提供有效参考。实验利用Python语言,在Pred RNN算法基础上,构建蓝藻时空序列预测系统。整个实验方案包括蓝藻NDVI(归一化植被指数)图像数据预处理、蓝藻数据... 详细信息

该文采用Pred RNN技术设计了蓝藻时空序列预测综合实验方案,可为湖泊蓝藻治理提供有效参考。实验利用Python语言,在Pred RNN算法基础上,构建蓝藻时空序列预测系统。整个实验方案包括蓝藻NDVI(归一化植被指数)图像数据预处理、蓝藻数据集划分、时空序列预测模型训练、预测模型测试与彩色化显示5个模块,并通过对比实验说明了predrnn算法用于蓝藻时空序列预测的可行性和实用性。该实验方案的设计可帮助学生熟练掌握Python编程技能,有利于提升学生对图像处理与计算机视觉知识的综合应用能力,实现计算机视觉课程教学理论至实践的延伸,强化教学与科研的有机结合,提升学生的科研素养,促进计算机视觉课程的建设。

关键词：计算机视觉时空序列预测蓝藻预测实验 predrnn 案例驱动教学

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

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

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：