热带气象学报

作者：樊姝琪, 刘慧铭, 庄润杰, 王诗雨, 温永仙

单位：1.福建农林大学计算机与信息学院，福建福州3500022.福建农林大学统计及应用研究所，福建福州350002

关键词：气温预测, 时间序列, 离散小波变换, 卷积神经网络, 长短期记忆网络

基金：福建省自然科学基金项目2021J01126；福建农林大学科技创新专项基金KFb22094XA；

气温的准确预测对人类生产生活、农业等方面至关重要。针对传统气温预测方法难以捕捉数据的动态变化、预测精度差等问题，提出了一种融合离散小波变换（Discrete Wavelet Transformation, DWT）、卷积神经网络（Convolutional Neural Network, CNN）和长短期记忆网络（Long Short-Term Memory, LSTM）的组合气温预测模型。首先，利用DWT对原始气温观测数据进行分解与重构；其次，使用CNN进行特征提取，使用LSTM对提取的特征信息进行处理，以实现气温预测。同时采用均方根误差、平均绝对值误差和决定系数作为评价指标；最后，使用气温观测数据验证所提模型的有效性，并分别与LSTM模型、CNN-LSTM模型和DWT-LSTM模型进行对比分析。实验结果表明，与LSTM模型、CNN-LSTM模型和基于离散小波变换的LSTM模型相比，DWT-CNN-LSTM模型分别将RMSE降低了1.009 24，1.002 74，0.100 23，MAE降低了0.918 36，0.862 65，0.144 89，R2提高了0.047 03，0.046 62，0.004 00，验证了该模型在气温预测中的有效性。这一结果为气温预测领域提供了新的参考依据，并有望在未来得到更广泛的应用。

来源：2024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2024年第6期