文件名称：基于LSTM网络的大雾临近预报模型及应用
文件大小：1.01MB
文件格式：PDF
更新时间：2024-05-26 06:24:10
LSTM 气象要素时间序列 大雾 临近预报
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.