समुद्री सतह के तापमान की भविष्यवाणी के लिए डीप न्यूरल नेटवर्क: निष्कर्ष और भविष्य का कार्य

लिंक की तालिका

• सार और परिचय
• पृष्ठभूमि
• प्रस्तावित विधि
• प्रयोगात्मक परिणाम और विश्लेषण
• निष्कर्ष और भविष्य के काम
• संदर्भ

V. निष्कर्ष और भविष्य का कार्य

इस पत्र में, हम भौतिक ज्ञान सुधार पर आधारित एक SST भविष्यवाणी दृष्टिकोण प्रस्तुत करते हैं, जो संख्यात्मक मॉडल डेटा में भौतिक घटक को परिष्कृत और समायोजित करने के लिए ऐतिहासिक प्रेक्षित डेटा का उपयोग करता है। विशेष रूप से, प्रेक्षित डेटा से भौतिक ज्ञान निकालने के लिए एक पूर्व नेटवर्क का उपयोग किया गया था। इसके बाद, हमने संख्यात्मक मॉडल डेटा पर पूर्व-प्रशिक्षित पूर्व नेटवर्क को लागू करके भौतिकी-संवर्धित SST उत्पन्न किया। अंत में, उत्पन्न डेटा का उपयोग SST भविष्यवाणी के लिए ConvLSTM नेटवर्क को प्रशिक्षित करने के लिए किया गया। इसके अतिरिक्त, ConvLSTM नेटवर्क को प्रशिक्षित करने के लिए भौतिक ज्ञान-आधारित संवर्धित डेटा का लाभ उठाया गया, जिसने भविष्यवाणी प्रदर्शन को और बेहतर बनाया। प्रस्तावित विधि ने छह अत्याधुनिक विधियों की तुलना में सर्वश्रेष्ठ प्रदर्शन प्राप्त किया। यद्यपि संख्यात्मक मॉडल डेटा के भौतिक भाग को हमारी प्रस्तावित विधि द्वारा ठीक किया गया है, लेकिन यदि व्याख्या योग्य मॉडल का उपयोग किया जाता है, तो भविष्यवाणी प्रदर्शन को और बेहतर बनाया जा सकता है। भविष्य में, हम गहरे नेटवर्क से अधिक प्रासंगिक ज्ञान निकालने की योजना बनाते हैं, और फिर व्यावहारिक अनुप्रयोगों के लिए अधिक उपयुक्त व्याख्या योग्य मॉडल डिज़ाइन करते हैं।