關鍵詞：海洋物理學 sst 神經網絡 

摘要：針對數值模式和統計學習方法在海表面溫度( SST )建模中的不足,將長短時記憶循環神經網絡(LSTM-RNN)應用于 SST 的建模。使用研究海區24 a月平均的 SST 和太陽輻射、風場、蒸發降水等物理參數,通過LSTM-RNN構建西太平洋研究海區 SST 時間序列變化模型,用于預報研究海區下個月 SST 。建立了兩個模型model1和model2,model1僅使用 SST 數據作為model2的對照,model2使用 SST 和其他物理參數。結果表明:model2在驗證數據中的 MAE 為0.15℃, RMSE 為0.19℃,相關性系數為0.978,和model1相比總體準確性提升31%,表明LSTM-RNN應用于 SST 建模是可行的;LSTM-RNN可以建立其他物理參數與 SST 的關系,從而顯著提升海水表面溫度模型的準確性。

應用海洋學學報雜志要求:

{1}文章采用一、（一）、1、（1）、①的層次結構。

{2}來稿提倡言簡意賅，詳略得體。來稿務請遵守學術規范，遵守國家有關著作權、文字、標點符號和數字使用的法律和技術規范以及本刊的有關規定。

{3}文題：力求簡明、醒目，反映出文章的主題。中文文題一般以20個漢字以內為宜。

{4}相應的參考文獻表中，各篇文獻先按文種依中文、外文的順序分列，后按作者姓名 （采用漢語拼音字順法） 依次編排。

{5}作者限于主要參與論文的寫作、實驗操作、數據采集和處理，并能對文稿內容負責、解答有關問題的責任者。作者的排列順序由供稿者確定。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社