《表5 不同预报方法的性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合注意力机制的区域型海表面温度预报算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表5是CA-ConvLSTM与SVR、LSTM和ConvLSTM模型评价指标的对比。在预报一天时，SVR、LSTM的PACC指标为98.92%，98.86%，RMSE指标为0.39，0.47；ConvLSTM的PACC指标为99.04%，RMSE指标为0.36，两个指标均优于SVR和LSTM，说明ConvLSTM要优于SVR和LSTM，验证了空间相关性对SST预报的重要性。相比于CA-ConvLSTM，ConvLSTM的评价指标都要差，实验结果表明在预报一天时，与其他三种方法比较，CA-ConvLSTM模型具有最好的性能。在预报五天时，与SVR、LSTM和ConvLSTM相比，CA-ConvLSTM同样具备最好的性能。由于CA-ConvLSTM不仅考虑SST的时间和空间相关性，还将历史SST对要预报SST的不同影响通过分配不同权重的形式表现出来，使得模型更贴近现实，包含信息更加全面，最终提高了SST预报精度。综上所述，与SVR、LSTM和ConvLSTM相比，CA-ConvLSTM在预报一天和五天内的SST均具备最好的性能，验证了该方法的有效性。