卫星+深度学习的涡旋三维热结构重建

本文介绍了一种基于ARGO数据和深度学习技术(如3D-EddyNET和ReNet)的方法,用于重构北太平洋海域的涡旋三维结构。研究使用了Conv+BN+CBAM进行海洋参数学习,并通过与现有模型和ARMOR3D数据集的对比,评估了其性能。
摘要由CSDN通过智能技术生成

Reconstructing 3-D Thermohaline Structures for Mesoscale Eddies Using Satellite Observations and Deep Learning

  • 背景:涡旋的三维研究太少
  • 内容:基于Argo,卫星观测和深度学习,重构北太平洋海域的涡旋三维结构
  • 方法:构建3D-EddyNET,ReNet用于涡旋参数学习,Conv+BN+CBAM用于海洋参数学习
  • 结果评价:与其他模型进行对比,与ARMOR3D 数据集进行对比
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值