基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于年际增量法的中国西部山区夏季降水统计预测研究
降水
西部山区
预测
ENSO
热带高压指数
利用BP神经网络模拟预测夏季降水场
人工神经网络
BP模型
模拟预测
降水场
基于PF-LSTM网络的高效网络流量预测方法
网络流量预测
长短期记忆神经网络
粒子滤波算法
预测模型
中国夏季降水影响因子的研究回顾
夏季降水
季风
影响因子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM网络的中国夏季降水预测研究
来源期刊 气候变化研究进展 学科
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
研究方向 页码范围 263-275
页数 13页 分类号
字数 6161字 语种 中文
DOI 10.12006/j.issn.1673-1719.2019.067
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1199)
共引文献  (1038)
参考文献  (84)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1686(1)
  • 参考文献(0)
  • 二级参考文献(1)
1934(3)
  • 参考文献(0)
  • 二级参考文献(3)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1945(1)
  • 参考文献(0)
  • 二级参考文献(1)
1950(1)
  • 参考文献(0)
  • 二级参考文献(1)
1957(1)
  • 参考文献(0)
  • 二级参考文献(1)
1958(3)
  • 参考文献(0)
  • 二级参考文献(3)
1961(1)
  • 参考文献(0)
  • 二级参考文献(1)
1962(6)
  • 参考文献(0)
  • 二级参考文献(6)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1964(2)
  • 参考文献(0)
  • 二级参考文献(2)
1965(2)
  • 参考文献(0)
  • 二级参考文献(2)
1968(2)
  • 参考文献(0)
  • 二级参考文献(2)
1969(3)
  • 参考文献(0)
  • 二级参考文献(3)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(2)
  • 参考文献(0)
  • 二级参考文献(2)
1976(4)
  • 参考文献(0)
  • 二级参考文献(4)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1979(3)
  • 参考文献(0)
  • 二级参考文献(3)
1980(3)
  • 参考文献(0)
  • 二级参考文献(3)
1981(12)
  • 参考文献(0)
  • 二级参考文献(12)
1982(11)
  • 参考文献(1)
  • 二级参考文献(10)
1983(13)
  • 参考文献(0)
  • 二级参考文献(13)
1984(7)
  • 参考文献(0)
  • 二级参考文献(7)
1985(8)
  • 参考文献(2)
  • 二级参考文献(6)
1986(8)
  • 参考文献(1)
  • 二级参考文献(7)
1987(14)
  • 参考文献(0)
  • 二级参考文献(14)
1988(7)
  • 参考文献(0)
  • 二级参考文献(7)
1989(16)
  • 参考文献(0)
  • 二级参考文献(16)
1990(13)
  • 参考文献(0)
  • 二级参考文献(13)
1991(18)
  • 参考文献(1)
  • 二级参考文献(17)
1992(21)
  • 参考文献(1)
  • 二级参考文献(20)
1993(12)
  • 参考文献(0)
  • 二级参考文献(12)
1994(26)
  • 参考文献(1)
  • 二级参考文献(25)
1995(29)
  • 参考文献(0)
  • 二级参考文献(29)
1996(38)
  • 参考文献(0)
  • 二级参考文献(38)
1997(39)
  • 参考文献(1)
  • 二级参考文献(38)
1998(40)
  • 参考文献(1)
  • 二级参考文献(39)
1999(73)
  • 参考文献(2)
  • 二级参考文献(71)
2000(71)
  • 参考文献(1)
  • 二级参考文献(70)
2001(48)
  • 参考文献(0)
  • 二级参考文献(48)
2002(60)
  • 参考文献(2)
  • 二级参考文献(58)
2003(70)
  • 参考文献(7)
  • 二级参考文献(63)
2004(62)
  • 参考文献(4)
  • 二级参考文献(58)
2005(49)
  • 参考文献(5)
  • 二级参考文献(44)
2006(57)
  • 参考文献(2)
  • 二级参考文献(55)
2007(61)
  • 参考文献(7)
  • 二级参考文献(54)
2008(55)
  • 参考文献(3)
  • 二级参考文献(52)
2009(62)
  • 参考文献(3)
  • 二级参考文献(59)
2010(36)
  • 参考文献(6)
  • 二级参考文献(30)
2011(36)
  • 参考文献(6)
  • 二级参考文献(30)
2012(51)
  • 参考文献(3)
  • 二级参考文献(48)
2013(42)
  • 参考文献(7)
  • 二级参考文献(35)
2014(30)
  • 参考文献(4)
  • 二级参考文献(26)
2015(16)
  • 参考文献(1)
  • 二级参考文献(15)
2016(12)
  • 参考文献(2)
  • 二级参考文献(10)
2017(12)
  • 参考文献(7)
  • 二级参考文献(5)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LSTM网络
机器学习
汛期降水
季节预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
气候变化研究进展
双月刊
1673-1719
11-5368/P
大16开
北京市中关村南大街46号国家气候中心
80-463
2005
chi
出版文献量(篇)
1379
总下载数(次)
11
总被引数(次)
25795
论文1v1指导