基于EEMD-LSTM模型的天山北坡经济带年降水量预测
降水量预测是现代气候预测业务的核心和难点.耦合模型在新疆降水量预测的研究应用屈指可数,因此,通过尝试建立集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和长短期记忆神经网络(Long Short-Term Memory Network,LSTM)的耦合模型对天山北坡经济带降水量进行预测研究.将1965—2019年天山北坡经济带共55 a的年降水量数据进行EEMD分解,转换成4个平稳分量和趋势项,通过谱分析得出各个分量的准周期,为后续训练LSTM模型提供基础.根据EEMD分解后的各分量训练得出LSTM网络模型并利用该模型进行研究区降水量预测.结果表明:EEMD-LSTM耦合模型预测2010—2019年天山北坡经济带降水量的平均相对误差为13.38%,均方根误差为38.03 mm,认为EEMD-LSTM耦合模型对天山北坡经济带降水量预测精度较好.利用EEMD-LSTM耦合模型预测2020—2029年天山北坡经济带年降水量,其中有6 a降水偏多,4 a降水偏少,2025年可能为极端湿润年,降水偏多超过20%;而2021年为极端干旱年,降水量预计低于200 mm.本文探索了干旱区降水量预测的新方法,并为气象防灾减灾工作提供参考依据.
集合经验模态分解;长短期记忆网络;年降水量;预测
38
中国沙漠气象科学研究基金;国家自然科学基金;新疆维吾尔自治区重点实验室开放课题;新疆维吾尔自治区天山青年计划;新疆维吾尔自治区天山雪松计划
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
1235-1243