320 Vol. 41 No. 2
总第 期 舰 船 电 子 工 程
2021 2 Ship Electronic Engineering 97
年第 期 舰 船 电 子 工 程
基于 LSTM 的海表面高度异常预测方法 ∗
江璟瑜 1 徐丹亚 2 韩宁生 1 王子赫 1
1. 266580
（ 中国石油大学（华东）计算机与科学技术学院 青岛 ）
2. 519080
（ 南方海洋科学与工程广东省实验室（珠海） 珠海 ）
SSHA
摘 要 海表面高度异常（ ）是海洋系统中重要的参数之一，论文首次利用深度学忆神经网络
LSTM SSHA SSHA stacked-LSTM
（ ）对海表面高度异常（ ）进行预测。将 的预测当作时间序列预测问题，采用 ，建立海表面高度
SSHA stacked-LSTM
异常预测模型。该模型能够捕捉 序列变化的规律，处理序列变化长期依赖问题。通过实验探索了
基于lstm海表面高度异常预测方法 来自淘豆网m.daumloan.com转载请标明出处.
