基于LSTM网络的大雾临近预报模型及应用

摘要：

长短期记忆网络(LSTM)是一种时间递归神经网络,适合于预测时间序列延续性相对较长的事件.本文基于LSTM网络构建了一个全新的大雾临近预报框架,首先将地面气象要素观测资料转化成时间序列数据,并基于此序列进行建模.为了验证提出的模型的准确性,将安徽省81个国家站近2年地面气象要素数据转换为序列数据,基于该数据集对未来1–4小时进行逐小时大雾预报实验,实验结果显示本文提出的模型其TS-Score分别为61％、55％、36％ 和31％,明显优于卷积神经网络(CNN)以及传统机器学习算法如支持向量机(SVM)和K-近邻算法(KNN)的预测结果,是大雾临近预报的一种有效预报方法.

关键词：LSTM、气象要素时间序列、大雾、临近预报

所属期刊栏目：28

资助基金：江苏省气象科学研究所北极阁基金BJG201707

在线出版日期：2019-06-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：215-219