SST Baselines

问题

在比较任何学习型模型的海表温度（SST）预测之前，需要先知道简单基线有多难被超越。这个项目研究的就是这些基线，它不是海洋预报模型。该工作经哈尔滨工程大学老师许可完成。

我做了什么

为两个太平洋区域（黑潮区和副热带区）1982–2025 年的 NOAA OISST v2.1 每日 SST 构建了数据流程与评估。ERDDAP 每个区域缺少 1,194 天，我从 NOAA PSL 补齐并做了验证检查。比较了六个基线：持续性、固定平滑气候态、距平持续性、阻尼持续性、10 年逐日气候态（OCN）以及逐格点岭回归（Ridge）。项目包含 40 个测试和 CI。

方法

固定划分：1982–2015 训练，2016–2019 验证，2020–2025 测试。测试集只运行一次，且在配置冻结并打上 git 标签之后。

结果

向气候态回归的方法（阻尼持续性和 Ridge）在测试年份中失去了大部分验证期的优势。这与测试期更明显的变暖偏移一致，但原因尚未得到证实。

局限

• 仅有简单基线。学习型模型（LSTM）是下一步，正在进行中，不属于此处的结果。
• 只有两个小区域和一个数据集。

AI 辅助说明

代码由 Claude Code 编写；方法设计与结果验证由我本人完成。