-
题名基于LSTM网络的中国夏季降水预测研究
被引量：34
- 1
-
-
作者
沈皓俊
罗勇
赵宗慈
王汉杰
-
机构
清华大学地球系统科学系地球系统数值模拟教育部重点试验室
全球变化与中国绿色发展协同创新中心
中国气象局国家气候中心
-
出处
《气候变化研究进展》
CSCD
北大核心
2020年第3期263-275,共13页
-
基金
国家重点研发计划项目(2016YFA0602100,2017YFA0603700)。
-
文摘
基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆(Long Short-Term Memory,LSTM)网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。
-
关键词
LSTM网络
机器学习
汛期降水
季节预测
-
Keywords
LSTM network
Machine learning
Flood season precipitation
Seasonal prediction
-
分类号
P456.7
[天文地球—大气科学及气象学]
-
