采用ALSTM模型的温度和降雨关联预测研究

作者：黄坚强; 秦亮曦^*

来源：广西大学学报(自然科学版), 2021, 46(04): 1024-1035.

DOI：10.13624/j.cnki.issn.1001-7445.2021.1024

• 深度学习
• 注意力机制
• 天气预测
• 长短期记忆模型(LSTM)

短时的降雨和温度等预报一直是天气预报中的重要问题。为了准确和及时预测局部区域的降雨及温度,提出了一种基于Attention和LSTM组合模型(ALSTM)的关联多值预测算法。该算法利用天气时间序列中的前期数据,对下一小时的降雨量和温度进行关联预测,以此实现对天气要素的多值预测。该算法首先对输入数据进行归一化处理;然后利用数据对ALSTM模型进行训练;最后将训练好的模型用于多值预测。将ALSTM模型与LSTM、BP以及基于LSTM的深度循环神经网络(DRNN)的预测结果进行了比较。实验结果表明,ALSTM模型的温度和降雨预测精度优于比较的其他模型,其平均预测精度在97%以上。