基于LSTM网络的中国夏季降水预测研究

• 作者: 沈皓俊 王汉杰 罗勇 赵宗慈
• 来源期刊: 气候变化研究进展
• 关键词: LSTM网络 机器学习 汛期降水 季节预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 气候系统变化
• 页码范围: 263-275
• 页数: 13页
• 字数: 6161字
• 语种: 中文
• DOI: 10.12006/j.issn.1673-1719.2019.067

摘要

基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆(Long Short-Term Memory,LSTM)网络预测2014年和2015年中国夏季降水.结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势.参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率.选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好.海冰分量因子对降水季节预测有正贡献.在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63％、55.25％,Ps评分的均值高于同期全国会商及业务模式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗勇	清华大学地球系统科学系地球系统数值模拟教育部重点试验室	75	672	15.0	23.0
3	赵宗慈	清华大学地球系统科学系地球系统数值模拟教育部重点试验室	59	525	13.0	21.0
9	沈皓俊	清华大学地球系统科学系地球系统数值模拟教育部重点试验室	4	7	1.0	2.0
10	王汉杰	清华大学地球系统科学系地球系统数值模拟教育部重点试验室	1	0	0.0	0.0