Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
On the Application of Machine Learning Techniques to Regression Problems in Sea Level Studies
SMHI, Forskningsavdelningen, Oceanografi.
SMHI, Forskningsavdelningen, Oceanografi.
2019 (engelsk)Inngår i: Journal of Atmospheric and Oceanic Technology, ISSN 0739-0572, E-ISSN 1520-0426, Vol. 36, nr 9, s. 1889-1902Artikkel i tidsskrift (Fagfellevurdert) Published
Abstract [en]

Long sea level records with high temporal resolution are of paramount importance for future coastal protection and adaptation plans. Here we discuss the application of machine learning techniques to some regression problems commonly encountered when analyzing such time series. The performance of artificial neural networks is compared with that of multiple linear regression models on sea level data from the Swedish coast. The neural networks are found to be superior when local sea level forcing is used together with remote sea level forcing and meteorological forcing, whereas the linear models and the neural networks show similar performance when local sea level forcing is excluded. The overall performance of the machine learning algorithms is good, often surpassing that of the much more computationally costly numerical ocean models used at our institute.

sted, utgiver, år, opplag, sider
2019. Vol. 36, nr 9, s. 1889-1902
HSV kategori
Forskningsprogram
Oceanografi
Identifikatorer
URN: urn:nbn:se:smhi:diva-5442DOI: 10.1175/JTECH-D-19-0033.1ISI: 000486481100001OAI: oai:DiVA.org:smhi-5442DiVA, id: diva2:1360853
Tilgjengelig fra: 2019-10-14 Laget: 2019-10-14 Sist oppdatert: 2019-10-14bibliografisk kontrollert

Open Access i DiVA

fulltext(1885 kB)13 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 1885 kBChecksum SHA-512
cc0406415f68f94a78e45f71b899101f0c85e4c253d7ccf3dc5563f7d2155703864fe2feb72310419e34dccb0bdd7872079392436c3a849a11fe1ad9baa84edc
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekst

Personposter BETA

Hieronymus, MagnusHieronymus, Jenny

Søk i DiVA

Av forfatter/redaktør
Hieronymus, MagnusHieronymus, Jenny
Av organisasjonen
I samme tidsskrift
Journal of Atmospheric and Oceanic Technology

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 13 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
urn-nbn

Altmetric

doi
urn-nbn
Totalt: 25 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf