来源：期刊VIP网 时间：
作者：赵煜;王律钧;姚志刚;陈文凯;
单位：兰州财经大学统计与数据科学学院;甘肃经济发展数量分析研究中心;中国海洋大学;中国地震局兰州地震研究所;
摘要：本研究提出了一种基于时间卷积网络(TCN)和长短期记忆网络(LSTM)的混合模型——TCN-LSTM,以提高海表温度(SST)的预测精度。通过在四个海洋站的敏感性实验，分析了超参数对模型稳定性的影响。通过控制迭代次数、TCN卷积核数量和LSTM神经元数量等关键参数，并运用方差分析(ANOVA)方法，本文发现所有p值均大于0.05,这表明不同参数对平均绝对百分比误差(MAPE)的影响不显著，支持了模型的相对稳定性。TCN-LSTM模型结合了TCN在局部特征提取和LSTM在捕获长期依赖关系方面的优势，使其能够有效学习SST数据中的重要特征。在未来7 d的海面温度预测中，TCN-LSTM模型展现出优越的适应性和泛化能力，其相关评价指标表现优异。此外，通过比较不同超参数组合下的预测性能，验证了模型的一致性与可靠性。本研究为SST预测提供了一种新颖的方法论框架，尽管主要集中于单变量时间序列模型，但未来研究将考虑多变量模型和时空特征提取，以进一步提升整体预测精度。
关键词：海温预测;;深度学习模型;;时间卷积网络;;长短期记忆网络
基金资助：国家社科基金西部项目(21XTJ004);; 兰州财经大学重点项目(Lzufe2022B-005)资助~~
