【摘 要】
：
为提高对ENSO的预报能力,同时针对用机器学习方法做气候预报时观测资料不足的问题,基于深度卷积神经网络(convolutional neural networks,CNN)架构,以CMIP6模式资料和GODAS观测资料为数据集,训练出一个应用于ENSO预报的神经网络.结果表明,在训练神经网络时引入CMIP6模式资料能提高数据量,解决了机器学习中观测资料不足的问题.在时效为1～9个月的后报实验中,神经网络的表现优于传统的动力模式和统计模式.对照实验显示模式数据的加入以及采用集合预报的方法有利于改善预报效果,
【机 构】
：
成都信息工程大学大气科学学院,四川成都610225;中国科学院大气物理研究所,北京100029;成都信息工程大学大气科学学院,四川成都610225;中国科学院大气物理研究所,北京100029
论文部分内容阅读
为提高对ENSO的预报能力,同时针对用机器学习方法做气候预报时观测资料不足的问题,基于深度卷积神经网络(convolutional neural networks,CNN)架构,以CMIP6模式资料和GODAS观测资料为数据集,训练出一个应用于ENSO预报的神经网络.结果表明,在训练神经网络时引入CMIP6模式资料能提高数据量,解决了机器学习中观测资料不足的问题.在时效为1～9个月的后报实验中,神经网络的表现优于传统的动力模式和统计模式.对照实验显示模式数据的加入以及采用集合预报的方法有利于改善预报效果,热含量数据的加入则表现出负面效果.对后报实验的结果分析显示,神经网络的预报准确度存在年内和年际变化,其中年内变化与ENSO预报中普遍存在的春季预报障碍有关.实验结果显示卷积神经网络在ENSO预报中的有效性.
其他文献
S-Box功耗随机化是一种对抗侧信道攻击的防御方案,该方案将设备加密过程中S-Box输出值功耗泄露的位置进行随机化处理,降低了中间值与能量消耗的相关性,使得基于固定位置进行能量分析的代价大幅增加.具备平移不变性的卷积神经网络在侧信道攻击上取得了显著的效果.为进一步提高其对S-Box功耗随机化防御方案的攻击能力,基于贝叶斯个性化排序的思想,提出一种更符合侧信道攻击原理的CNN-BPR模型.实验结果表明,与Softmax交叉熵损失模型相比,CNN-BPR模型在使用全部训练能迹用于模板攻击时,成功恢复密钥所需要
轻量级分组密码算法PRESENT采用了 SPN网络结构,具有实现面积小、功耗低等特点,因此广泛使用于资源受限的环境中.针对PRESENT算法,设计多字节故障模型,在PRESENT算法的第30、29轮的任意位置分别进行随机故障注入,注入的字节数不固定.利用PRESNET算法的故障传播路径,构建输出差分和可能输入值之间的关系,通过提出的并行S盒分析方法得到正确输入,进而得到正确的轮子密钥.最后通过分析密钥编排方案,只需要两轮正确的轮子密钥即可推导出初始的80 bits主密钥.实验结果表明,与现有的针对PRES
为解决LQR控制算法在智能车路径跟踪应用中参数难以选择且存在稳态误差的问题,提出一种基于遗传算法、前馈控制和线性二次型最优控制(genetic algorithm-feedforward control-linear quadratic regulator)的 GA-FFC-LQR路径跟踪控制器.首先,根据车辆的受力情况建立车辆动力学模型,通过将车辆投影到自然坐标系下,建立以相对于期望路径的横向偏差和航向偏差为状态变量的误差动力学模型.基于此误差动力学模型,利用LQR控制理论设计智能车路径跟踪控制器,并结
针对多通道压电陶瓷驱动系统中控制不够灵活、不能及时输出及功耗过高的问题,提出一种基于以太网控制可实现多通道电压同时输出的高压放大系统设计方案.系统采用STM32+FPGA相互配合的控制方式,利用STM32外设丰富和操作方便的特点,设计实现对以太网控制器W5300的配置,从而可灵活地接收和解析来自上位机的指令;利用FPGA并行处理速度快的特点,能同时对8片数模转换芯片AD5760进行操作,并控制10片模拟高压开关HV2601将输出通道拓展到160路;高压放大部分则采用三级放大电路串联的方式,对AD5760输
为有效捕捉行为中的时序关系,增强网络的特征表达能力,提出一种基于ResNeXt-GRU的人体行为识别方法.首先,使用聚类算法提取行为视频关键帧序列,输入ResNeXt网络中进行空间维度上的特征提取.然后,将输出的特征向量全部输入门控循环单元(GRU)网络中进行时序学习.最后,利用Softmax分类器进行分类.在UCF101和HMDB51数据集上分别进行实验,识别准确率为93.7％和69.2％.实验结果表明与现有的其他许多行为识别方法相比,识别准确率得到了一定的提升.
为实现高分辨率卫星图像的道路自动提取,设计一种编码器-解码器结构的图像分割方法.针对卫星图像中乡村地区的道路提取结果不佳,以及不能对阴影区域、被遮挡区域的道路进行有效提取的问题,以不含全连接层的VGG13作为编码器的骨干网络,对解码器部分进行设计,达到对道路区域进行有效提取的目的,并对模型训练使用的损失函数进行介绍.在开始训练之前,对DeepGlobe道路提取数据集进行预处理.使用PaddlePaddle深度学习框架展开实验,改进后的方法在验证集上的IoU,acc,Kappa分别可以达到0.6194,0.
利用高灵敏度射频无损检测传感器评估样品的电磁特性在航空航天和生物医学等领域应用越来越广泛,提出一种工作在5G频段下的高灵敏度材料无损检测传感装置,该传感装置基于微带型射频电路和矢量网络分析仪.射频电路包括一对T型结功分器、一对交指电容(IDC)和互补谐振环(CSRR).对该电路加工并对标准样品如PVC、玻璃环氧树脂、FR4等材料测试发现:测量样品的介电特性与已发表文献结果吻合,证明了该无损检测传感装置的高精度和可兼容特性.
现有知识库存在大量缺失事实且事实常携带时间信息.针对主流嵌入表示方法在知识补全时常忽略时间维度的问题,设计一种时间敏感的三元组嵌入表示方法TSKGC(time sensitive knowledge graph completion).通过为时间戳分配超平面,将时序信息合并到实体关系空间中,并进一步将映射后三元组的3列k维矩阵表示用作卷积神经网络的输入,在不同超平面对应的多通道中并行处理,提取三元组特征用于知识补全.在YAGO11k和Wikidatal2k数据集上的实验证明,TSKGC具备一定的时间预测能
为进一步提高分布式视频编码(distributed video coding,DVC)的压缩性能,针对离散小波变换域DVC,提出了基于分层细化的Wyner-Ziv解码算法.算法充分利用小波多尺度和多分辨率的特性,将边信息优化算法和高阶统计模型进行了深度融合.在比特层面上,通过边信息优化算法提升每一分解层高频子带的边信息质量,从而提高高阶统计模型中与边信息相关的两大特征的准确性,增强高阶统计模型在信源相关性挖掘和有效利用方面的性能,实现DVC压缩性能的提升.测试结果表明,与参考文献相比,基于本文算法的DVC
近年来服装时尚行业经济发展迅速,为了让用户选择服装和服装的设计更方便快捷,提高服装图像的分割效率尤为重要.目前的方法大多属于传统的分割方法,或者基于深度卷积神经网络(DCNN).针对服装图像分割时易受背景、颜色、纹理等的影响,且服装的边缘分割不准确,基于Deeplabv3+算法提出了双注意力机制的方法识别分割服装图像,使用通道注意力机制和位置注意力机制构成名为CPAM的模块对Deeplabv3+网络进行改进.特征图经过多次下采样后再经过通道和位置注意力模块(CPAM)与ASPP模块并行,最后通过上采样得到