关键词：海洋物理学 sst 神经网络 

摘要：针对数值模式和统计学习方法在海表面温度( SST )建模中的不足,将长短时记忆循环神经网络(LSTM-RNN)应用于 SST 的建模。使用研究海区24 a月平均的 SST 和太阳辐射、风场、蒸发降水等物理参数,通过LSTM-RNN构建西太平洋研究海区 SST 时间序列变化模型,用于预报研究海区下个月 SST 。建立了两个模型model1和model2,model1仅使用 SST 数据作为model2的对照,model2使用 SST 和其他物理参数。结果表明:model2在验证数据中的 MAE 为0.15℃, RMSE 为0.19℃,相关性系数为0.978,和model1相比总体准确性提升31%,表明LSTM-RNN应用于 SST 建模是可行的;LSTM-RNN可以建立其他物理参数与 SST 的关系,从而显著提升海水表面温度模型的准确性。

应用海洋学学报杂志要求:

{1}文章采用一、（一）、1、（1）、①的层次结构。

{2}来稿提倡言简意赅，详略得体。来稿务请遵守学术规范，遵守国家有关著作权、文字、标点符号和数字使用的法律和技术规范以及本刊的有关规定。

{3}文题：力求简明、醒目，反映出文章的主题。中文文题一般以20个汉字以内为宜。

{4}相应的参考文献表中，各篇文献先按文种依中文、外文的顺序分列，后按作者姓名 （采用汉语拼音字顺法） 依次编排。

{5}作者限于主要参与论文的写作、实验操作、数据采集和处理，并能对文稿内容负责、解答有关问题的责任者。作者的排列顺序由供稿者确定。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社