热带气象学报

作者：李晶, 唐全莉

单位：1.宁波工程学院经济与管理学院，浙江宁波3150002.昆明理工大学理学院，云南昆明650500

关键词：1DCNN神经网络, LSTM神经网络, 多信息融合, 气温预报, 单站逐时预测

基金：浙江省统计局重点项目22TJZZ25；国家自然科学基金71964018；云南省社会科学基金YB2019036；昆明理工大学学生课外学术科技创新基金2020YB207；

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1DCNN-LSTM，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。

来源：2022年第6期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2022年第6期