排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
常规的海洋气象要素绘制方法会造成等值线在海洋和陆地上分布不均匀,降低海洋区域可获取的信息量.据此,提出一种海陆交错带气象等值线间隔自动设置方法.首先将原始要素与海陆分界数据进行叠加分析,提取出海洋区域,然后进行斑点去噪计算,得到海洋区域数值范围,再结合映射表选择合适的间隔值,最后合并海洋和陆地区域,获得不等间距间隔.实验结果表明,该方法可以实现海洋气象等值线不等间距间隔的自动设置,有效突出海洋区域要素的变化,适用于海洋气象专题图制作等领域. 相似文献
2.
针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测. 相似文献
1