Sea Surface Temperature Modeling using Radial Basis Function Networks With a Dynamically Weighted Particle Filter
径向基函数网络与动态加权粒子滤波的海表温度建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确涉及非线性时间动态与实时预测，按方法对应时间序列和预测方向，但应用为海表温度。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
径向基函数网络与动态加权粒子滤波的海表温度建模
- 研究问题
- 如何刻画海表温度随时间和地点变化的非线性动态，并降低参数估计的计算负担，使实时预测更具可行性？
- 方法与思路
- 作者提出基于径向基函数网络的动态模型，用动态加权粒子滤波估计参数，并分析加勒比海地区飓风后的海表温度。
- 材料陈述的贡献
- 摘要称该方法相较传统网格方法显著减少计算时间，使个人电脑上的实时海表温度预测可行，但未提供具体运行时间。
- 阅读关注点
- 核对动态模型的时间与空间结构、粒子权重更新和参数估计方式，并检查预测精度、硬件条件及计算比较是否可比。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；计算节省幅度和预测误差未提供，应用对象为气候数据，经济预测适用性未说明。
原文摘要
The sea surface temperature (SST) is an important factor of the earth climate system. A deep understanding of SST is essential for climate monitoring and prediction. In general, SST follows a nonlinear pattern in both time and location and can be modeled by a dynamic system which changes with time and location. In this article, we propose a radial basis function network-based dynamic model which is able to catch the nonlinearity of the data and propose to use the dynamically weighted particle filter to estimate the parameters of the dynamic model. We analyze the SST observed in the Caribbean Islands area after a hurricane using the proposed dynamic model. Comparing to the traditional grid-based approach that requires a supercomputer due to its high computational demand, our approach requires much less CPU time and makes real-time forecasting of SST doable on a personal computer. Supplementary materials for this article are available online.