基于人工神经网络的沿海风速多步预测研究
基于气象历史观测资料,将长短期记忆网络LSTM方法和Transformer模型结合提出了混合短期风速多步预测模型BLSTM-TRA.以山东半岛南部沿海6个台站为研究区域,通过气象台站观测数据构建数据集.经与2018年ECMWF模式6 h预报结果对比分析,得出如下结论:构建的BLSTM-TRA多步预测模型可大幅度降低风速误差,BLSTM-TRA的1 h单步预测结果和ECMWF预报模式结果对比,其RMSE平均降低了 58.9%,MAE平均降低了 63.2%;风速误差和大风统计过程分析发现,BLSTM-TRA模型具有一定的抗干扰能力,可以抓住短时大风等敏感信息,对于大风预报结果明显优于ECWMF模式和传统LSTM模型.
Transformer模型、长短期记忆网络(LSTM)、风速预测
50
P412.23(大气探测(气象观测))
山东省自然科学基金项目;青岛市气象局科技项目
2023-01-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
851-858