基于门控循环单元神经网络的大气能见度临近预报技术

摘要：

针对大气能见度变化具有突变性以及复杂非线性问题,利用神经网络对复杂非线性过程拟合能力强且对映射关系变化反应速度快的特点,采用门控循环单元(GRU)神经网络为算法框架,将某省17 个国家气象观测站近5 年的地面能见度及相关要素数据预处理后形成本地化能见度数据集,通过该数据集对网络进行1～4h预报时效的训练、测试与验证.实验结果显示,基于GRU神经网络的大气能见度短临预报算法其均衡平均数(F1-score)、准确率(accuracy)和风险评分(TS-score)指标明显优于长短期记忆神经网络(LSTM)、临近K指数(KNN)与支撑向量机(SVM)大气能见度短临预报算法.

关键词：能见度、神经网络、数据集、门控循环单元、天气预报

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：山东省自然科学基金;山东省气象局重点科研项目;山东省气象局青年科研基金项目

在线出版日期：2023-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：153-158,163