基于深度GRU神经网络的逐小时气温预报模型

作者：罗宇; 罗林艳; 范嘉智; 段思汝; 高文娟

来源：湖北农业科学, 2021, 60(06): 119-126.

DOI：10.14088/j.cnki.issn0439-8114.2021.06.025

• 深度学习
• GRU
• 逐小时气温预报
• 石门地区

基于深度门控循环(GRU)神经网络,利用地面气象要素小时资料(气温、气压、露点温度、相对湿度和水汽压)建立湖南石门未来24 h逐小时气温预报模型,并对模型精度进行分析。结果表明,深度GRU逐小时气温模型预报精度随预报时次的增加逐步下降,决定系数(R2)为0.996～0.906、平均绝对误差(MAE)为0.359～1.974和均方根误差(RMSE)为0.510～2.562℃,24 h气温预报准确率为62.529%,优于滑动平均自回归(ARIMA)气温预报模型,且能较好体现气温转折性变化。利用深度GRU模型对2019年4月至7月湖南省石门县逐小时气温进行预报,与欧洲中心和日本数值预报产品进行对比发现,其3、6和9 h的预报精度均优于数值预报,可为12 h内气温短临预报技术提供一种有效的补充。

• 单位
  湖南省气象信息中心; 中国气象局气象干部培训学院湖南分院