区域流场一次预测
面向区域海流场的深度学习模型，并行整合多路CNN与双向LSTM，利用多头注意力捕捉时空特征，预测效率与精度显著优于传统数值模型和常规深度学习算法。
Yingjie, Yu · 张秀凤 · 王路才 · Rui, Tian · Qian, Xiaobin · Dongdong, Guo · Yanwei, Liu
Journal of Marine Science and Engineering 2024
模型专注于特定区域内的海表流场信息，而非单点流速，利用并行CNN、多头注意力和BiLSTM捕捉时空特征，实现对区域流场的整体预测。
相比MIKE21商业数值模型，该模型在模拟和预测海表流场方面展现出显著优势和效率，能够更快地提供预测结果。
通过与MIKE21流场模型及其他深度学习算法的预测结果对比验证，该模型在区域流场预测精度上显著更优。
研究发现，区域流场预测精度随着训练采样点数量的增加而提高，为实际部署提供了数据规模指导。