多年ENSO预报的深度学习

1. McPhaden, M. J. Zebiak, S. E. & Glantz, M. H. ENSO作为地球科学的整合概念。科学314， 1740-1745(2006)。

   文章中科院广告谷歌学者

2. Barnston, a.g.， Tippett, m.k, L 'Heureux, m.l, Li, S. & DeWitt, d.g. 2002-11年实时季节性ENSO模型预测的技能:我们的能力在提高吗?公牛。点。Meteorol。Soc．93， 631-651(2012)。

   文章广告谷歌学者

3. 泰勒，K. E.斯托弗，R. J. & Meehl, G. A. CMIP5和实验设计的概述。公牛。点。Meteorol。Soc．93， 485-498(2012)。

   文章广告谷歌学者

4. Cane, m.a.， Zebiak, S. E. & Dolan, S. C. El的实验预测Niño。自然321， 827-832(1986)。

   文章广告谷歌学者

5. 罗,j j。，Masson, S., Behera, S. K. & Yamagata, T. Extended ENSO predictions using a fully coupled ocean–atmosphere model.j .爬．21， 84-93(2008)。

   文章广告谷歌学者

6. Tang Y.等。ENSO预报与可预测性研究进展。国家的科学。牧师．5， 826-839(2018)。

   文章谷歌学者

7. Chen, D.， Cane, M. A.， Kaplan, A.， Zebiak, S. E. & Huang, D. El Niño过去148年的可预测性。自然428， 733-736(2004)。

   文章谷歌学者

8. 高春，张仁华。大气风和夹带水温(Te)在2010-12 La事件第二年降温中的作用Niña。爬。直流发电机．48， 597-617(2017)。

   文章谷歌学者

9. Hu, S. & Fedorov, A. V. 2014年异常强烈的东风爆发，导致El Niño停滞。国家科学院学报美国113， 2005-2010(2016)。

   文章中科院广告谷歌学者

10. Gebbie, G. & tzziperman, E. sst调制西风爆发的可预测性。j .爬．22， 3894-3909(2009)。

    文章广告谷歌学者

11. Izumo, T.等。T.印度洋偶极子状态对来年厄尔的影响Niño。Nat。Geosci．3.， 168-172(2010)。

    文章中科院广告谷歌学者

12. Park, J. H, Kug, J. S, Li, T. & Behera, S. K.预测El Niño超过1年的领先:西半球暖池的影响。科学。代表．8， 14957(2018)。

    文章广告谷歌学者

13. LeCun, Y.， Bengio, Y. & Hinton, G.深度学习。自然521， 436-444(2015)。

    文章中科院广告谷歌学者

14. Krizhevsky, A.， Sutskever, I. & Hinton, g.e. Imagenet分类与深度卷积神经网络。神经导过程。系统．25， 1097-1105(2012)。

    谷歌学者

15. Oquab, M.， Bottou, L.， Laptev, I. & Sivic, J.使用卷积神经网络学习和转移中层图像表示。在IEEE计算机视觉与模式识别会议1717-1724 (ieee, 2014)。

16. Giese, B. S. & Ray . El Niño简单海洋数据同化(SODA)的变化，1871-2008。j .地球物理学。海洋》116，https://doi.org/10.1029/2010JC006695(2011)。

17. 贝伦格，H.， Guilyardi， É。，Leloup, J., Lengaigne, M. & Vialard, J. ENSO representation in climate models: from CMIP3 to CMIP5.爬。直流发电机．42， 1999-2018(2014)。

    文章谷歌学者

18. Yosinski, J.， Clune, J.， Bengio, Y. & Lipson, H.深度神经网络中的特征是如何可转移的?神经导过程。系统．27， 3320-3328(2014)。

    谷歌学者

19. 韦伯斯特，P. J. & Yang, S. Monsoon和ENSO:选择性交互系统。Q. J. R. meteol。Soc．118， 877-926(1992)。

    文章广告谷歌学者

20. Zhou, B.， Khosla, A.， Lapedriza, A.， Oliva, A. & Torralba, A.学习用于判别定位的深度特征。在IEEE计算机视觉与模式识别会议2921-2929 (ieee, 2016)。

21. 副热带大气变率和赤道地下热含量异常在引发ENSO事件发生中的联合作用。j .爬．20.， 1593-1599(2007)。

    文章广告谷歌学者

22. Kug, J. S. & Kang, I. S. ENSO与印度洋的交互反馈。j .爬．19， 1784-1801(2006)。

    文章广告谷歌学者

23. 是的，s.w.等人。El Niño在气候变化中。自然461， 511(2009)。

    文章中科院广告谷歌学者

24. 张震，任波，郑杰。一种同时表征两类ENSO的统一复指数。科学。代表．9， 8373(2019)。

    文章广告谷歌学者

25. 皮莱，p.a.等。在气候预报系统版本2 (CFSv2)的回顾性预报中，两种El Niño的不同程度如何?爬。直流发电机．48， 3829-3854(2017)。

    文章谷歌学者

26. 我们能分辨出多少种ENSO的味道?j .爬．26， 4816-4827(2013)。

    文章广告谷歌学者

27. 韦伯斯特，摩尔，罗施尼格，j.p.，莱本，r.r.。1997 - 1998年印度洋海洋-大气耦合动力学。自然401， 356-360(1999)。

    文章中科院广告谷歌学者

28. 哈姆，杨，Kug, J. S. & Park, J. Y.大西洋海温在ENSO变化中的两个不同作用:北大热带大西洋海温和大西洋Niño。地球物理学。卷．40， 4012-4017(2013)。

    文章广告谷歌学者

29. Zeiler, m.d. & Fergus, R.可视化和理解卷积网络。在欧元。计算机视觉会议818-833(施普林格，2014)

30. Reichstein等人。数据驱动的地球系统科学的深度学习和过程理解。自然566， 195-204(2019)。

    文章中科院广告谷歌学者

31. 亨特，J. D. Matplotlib:一个2D图形环境。第一版。科学。英格．9， 90-95(2007)。

    文章谷歌学者

32. 古德费罗，我，本吉奥，Y，考维尔，A. &本吉奥，Y。深度学习(麻省理工学院出版社，2016)。

33. 刘，J. H.和Kang, i.s.理论检验的多模型复合季节预测。地球物理学。卷．32， l18707(2005)。

    文章广告谷歌学者

34. Kalchbrenner, N, Grefenstette, E. & Blunsom, P.用于建模句子的卷积神经网络。在第52节。见面。计算语言学协会655-665(计算语言学协会，2014)。

35. 吴安，谢文伟，唐博。热带太平洋海面温度的神经网络预报。神经．19， 145-154(2006)。

    文章谷歌学者

36. 薛勇。NCEP全球海洋数据同化系统的评价:太平洋。在第八章。大气、海洋和陆地表面的综合观测和同化系统(医疗辅助队第84届年会)(医疗辅助队，2004)。

37. Dee, D. P.等。era -中期再分析:数据同化系统的配置和性能。Q. J. R. meteol。Soc．137， 553-597(2011)。

    文章广告谷歌学者

38. 克尔特曼，b.p.等。北美多模式集合:第一阶段季节-年际预测第二阶段，开发季节内预测。公牛。点。Meteorol。Soc．95， 585-601(2014)。

    文章广告谷歌学者

39. 罗,j j。，Liu, G., Hendon, H., Alves, O. & Yamagata, T. Inter-basin sources for two-year predictability of the multi-year La Niña event in 2010–2012.科学。代表．7， 2276(2017)。

    文章广告谷歌学者

下载参考