A depth-resolved artificial neural network model of marine phytoplankton primary production

اندازه گیری این فرایند هر دو گران و وقت گیر است. بنابراین، روش های غیر مستقیم، که می توانند تولید اولیه اولیه فیتوپلانکتون را با استفاده از اطلاعات پیش بینی شده از راه دور برآورد کنند، دارای مزایای فراوانی هستند. ما توسعه یک مدل عمیق حل شده بر اساس شبکه عصبی مصنوعی برای تخمینی تولید اولیه فیتوپلانکتون جهانی را توصیف می کنیم. علاوه بر این، به منظور ارزیابی اهمیت نسبی متغیرهای پیش بینی شده، دو رویکرد متفاوت بر مبنای تجزیه و تحلیل تحرک ورودی و وزنهای اتصال استفاده شده است. در نهایت، ما نتایج مدل عمیق حل شده ما را با یک راه حل قبلی عمق یکپارچه مقایسه کردیم که نشان می دهد که از طریق عمق رزولوشن نه تنها اطلاعات مفیدی را در مورد توزیع عمودی تولید اولیه تخمینی به دست آورد بلکه دقت بیشتری در آن به دست آورد برآورد عمق یکپارچه