基于1DCNN和LSTM的单站逐时气温预报方法

作者：李晶; 唐全莉

来源：热带气象学报, 2022, 38(06): 800-811.

DOI：10.16032/j.issn.1004-4965.2022.074

• 1DCNN神经网络
• LSTM神经网络
• 多信息融合
• 气温预报
• 单站逐时预测

针对海量气象观测数据间存在大量的物理噪声、与气温无关的冗余特征以及时间相关性，提出了一种将一维卷积神经网络(1DCNN)和长短期记忆神经网络(LSTM)相结合的多信息融合气温预报方法。首先，运用差分法对气象观测数据进行预处理，得到平稳时间序列数据；其次，运用1DCNN提取与气温变化相关的特征变量作为神经网络模型的输入变量；最后，运用1DCNN和LSTM构建多信息融合气温预报模型1DCNNLSTM，并以云南省昆明市历史气象观测数据为例，与传统的LSTM、1DCNN和反向传播神经网络(BP)对未来24小时的逐时气温预报进行了比较研究。研究结果表明，1DCNN-LSTM的均方根误差(RMSE)相较于LSTM、1DCNN和BP最大降低了5.221%、19.350%和9.253%，平均绝对误差(MAE)最大降低了4.419%、17.520%和8.089%。为气温的精准预报提供了参考依据。

• 单位
  宁波工程学院; 昆明理工大学