基于长短期记忆神经网络的大气温度预测——以合肥市为例

作者：雷凯

来源：科学技术创新, 2021, (30): 80-82.

• 长短期记忆网络(LSTM)
• 气温预测
• 循环神经网络(RNN)
• 深度学习

大气温度的变化与人类的生产生活都密切相关,它对人类正常出行、社会发展以及生态环境都有着重要影响,因此对于大气温度更加精准的预测具备一定现实意义。由于影响气温变化的因素复杂繁多,只利用历史气温数据并不能有效预测未来气温值。基于此,本文利用降水量等13个气象因子来预测合肥市日最高气温。采用的是LSTM深度学习模型对气温等气象因子时间序列进行建模及预测,并将其与RNN模型预测结果进行比较。最终结果显示,LSTM的均方误差(RMSE)为0.004037,相对于RNN的0.004079,预测精度更高,说明所搭建的LSTM深度学习模型是有效的,且预测精度比较好。

• 单位
  安徽大学