基于1DCNN和LSTM的单站逐时气温预报方法     

李晶  唐全莉 《热带气象学报》2022,38(6):800-811

针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性,提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先,运用差分法对气象观测数据进行预处理,得到平稳时间序列数据;其次,运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量;最后,运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM,并以云南省昆明市历史气象观测数据为例,与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明,1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%,平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。  相似文献   

强降水落区中单站降水诊断分析和预报   总被引：6，自引：1，他引：5       下载免费PDF全文

施望芝 金琪刘静  王宏记 《气象科技》2005,33(1):17-21

对2003年7月19日湖北省发生的一场降水强度较强、落区面积较大但武汉市单站出现暴雨空报的大到暴雨过程进行分析。通过诊断分析,解释了其区域暴雨发生和单站暴雨空报原因。结果表明,这是一次典型的中纬度斜压系统引起的大尺度大到暴雨过程,它的发生机制可用准地转运动理论给予很好的解释。而单站的强降水,特别是大到暴雨区中或大到暴雨区边缘单站的大到暴雨是否发生,必须通过诊断分析次级环流,当次级环流条件满足时,才能产生暴雨,否则会出现空报现象。  相似文献